廊坊企业建站,好看的网站建设,网站页面不更新,大庆加油app下载老版本P(Positive)表示预测为正样本#xff0c;N(negative)表示预测为负样本#xff0c;T(True)表示预测正确,F(False)表示预测错误。
TP#xff1a;正样本预测正确的数量#xff08;正确检测#xff09;
FP#xff1a;负样本预测正确数量#xff08;误检测#xff09;
TN…
P(Positive)表示预测为正样本N(negative)表示预测为负样本T(True)表示预测正确,F(False)表示预测错误。
TP正样本预测正确的数量正确检测
FP负样本预测正确数量误检测
TN负样本预测错误数量
FN正样本预测错误的数量漏检测 1.准确率正确样本占总样本的比例
AccuracyTPTN/TPTNFPFN 2.精确率正样本预测正确占正样本的比例
precisionTP/TPFP 精确度低召回率高的解决办法
模型把大量背景负样本错判成目标正样本 。
主要原因不外乎数据本身有问题1、图片上目标没有标全有大量没标注的 这样会导致模型其实学到了目标物特征但是真值是负样本没有标注2、图片上目标标的太仔细把非常小像素的目标特征跟背景相差不大都标了这样也会导致模型错把背景当成目标 。 3.召回率正样本预测正确占实际正样本的比例
RTP/TPFN
为了找到所有正样本。 召回率低精确度高的解决办法
对错误的标注样本进行修正。 4.平均精度AP
AP就是Precision-recall 曲线下面的面积。 5.map
当我们把所有类别的AP都计算出来后再对它们求平均值即可得到mAP。
