机器学习中 True Positives(真正例TP)、False Positives(假正例FP)、True Negatives(真负例TN)和 False Negatives(假负例FN)指什么 |
您所在的位置:网站首页 › 例1什么意思 › 机器学习中 True Positives(真正例TP)、False Positives(假正例FP)、True Negatives(真负例TN)和 False Negatives(假负例FN)指什么 |
文章目录
(原)(有误)20200206 (有误)20200206 (正解)
(原)(有误)
True、False正确检测还是错误检测(如果画出框的,还需考虑个阈值,IOU高于阈值并且分类正确的(box+class)才算正确检测,否则是错误检测) Positive、Negative指画没画框 所以: True Positives(真正例TP)是指正确检测,我们需要的目标,它画出框并且分类正确,交并比大于阈值的 False Positives(假正例FP)是指错误检测,不是我们需要的目标,它画出框,但交并比小于阈值或分类不正确 True Negatives(真负例TN)是指正确检测,不是我们要需的目标,它没画框 False Negatives(假负例FN)是指是错误检测,我们需要的目标,它没画框 20200206 (有误)更新一下,可能上述表述有误 Positive、Negative指在没在ground truth中 True Positives(真正例TP)是指在ground truth中,它画出框的,标注正确的目标 False Positives(假正例FP)是指在ground truth中,它画出框的,标注错误的目标(就是标注错了) True Negatives(真负例TN)是指不在ground truth中,它画出框,其实是正确的目标 False Negatives(假负例FN)是指不在ground truth中,它画出框,其实是错误的目标 20200206 (正解)更新更新更新,貌似上面理解也不对: 参考文章:TP真阳性, FP假阳性, FN假阴性, TN真阴性 True、False表示预测是对或错 TP、True Positive 真阳性:预测为正,实际也为正 FP、False Positive 假阳性:预测为正,实际为负 FN、False Negative 假阴性:预测与负、实际为正 TN、True Negative 真阴性:预测为负、实际也为负。 也就是说,预测和实际一致则为真,预测和实际不一致则为假;如果预测出来是“正”的,则为“阳”,预测结果为 “负”,则为“阴”。 参考文章1:目标检测的评估指标mAP的那些事儿 参考文章2:目标检测中如何计算AP和mAP以及绘制P-R曲线以及SSD中如何修改代码来输出AP和绘制P-R曲线 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |