faster r-cnn中評價檢測演算法中的指標
阿新 • • 發佈：2018-12-31
小魚在用faster r-cnn進行目標檢測時，必不可少要對結果進行評價，業界統一的評價檢測指標是看RP曲線和AUC的值。看了很多網上別人寫的歸納，這裡做一個統一，也是怕自己忘記，又要去翻天覆地的搜尋。
為方便理解，不被繞暈，先舉一批資料例子和一張說明圖：
某池塘有1400條鯉魚，300只蝦，300只鱉。現在以捕鯉魚為目的。撒一大網，逮著了700條鯉魚，200只蝦，100只鱉。
說明圖：
指標1：Precision（準確率又叫查準率）：表示檢測出來的條目中有多少是準確的
precision=A/(A+B)=700/（700+200+100）=70%
指標2：Recall（召回率又叫查全率）：表示準確的條目中有多少是被檢測出來的
recall=A/（A+C）=700/1400=50%
指標3：F1=2*P*R/(P+R)，一般不用
指標4：AP或mAP：反應全域性效能的指標，為RP曲線（Precision-Recall）的面積值，在疾病檢測中，一般都是保準確率的條件下來提升召回率。
指標5：ROC：全名叫做Receiver Operating Characteristic。關注兩個指標，TPR（true positive rate）和FPR（false positive rate）
先來一張圖方便理解
那麼TPR=TP/(TP+FN)=600/(600+200)=75%，表示正例分對的概率
FPR=FP/(FP+TN)=100/(100+100)=50%，表示負例錯分為正例的概率
指標6：AUC（Area Under roc Curve），表示ROC曲線的面積，0.5