机器学习领域各种检测评价指标

1. TP、FP、FN、TN, precision, recall指标理解

现在有一张小狗图和一张不是狗的图,输入到深度学习模型中,等待输出结果

Positive(输出为狗) Negative(输出不为狗)
True (输入为狗) TP TN
False(输入不为狗) FP FN

查准率 precision = \frac{TP}{TP+FP} = \frac{输入为狗,输出为狗样本数量}{ 所有类输入,这些类输出为狗的样本数量}

查全率 recall = \frac{TP}{TP+FN} = \frac{输入为狗,输出也为狗的样本数量}{所有类别输入,这些类别输出也是自身类别的样本数量}

2. 交并比(Intersection-over-Union,IoU)

在目标检测和识别领域用来评价检测识别率的指标之一。

可以参考下面两张图来进行识别

[图片上传失败...(image-300cb7-1595935556578)]

[图片上传失败...(image-29f31e-1595935556578)]

参考文献:交并比详细解释可以参考这边英文文章

使用markdown写数学公式

你可能感兴趣的:(机器学习领域各种检测评价指标)