目标检测和图像语义分割领域的性能评价指标

2024-09-02 08:18

本文主要是介绍目标检测和图像语义分割领域的性能评价指标,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

混淆矩阵

从混淆矩阵出发,再看各项性能评价指标就一目了然了。
Alt
1)True positives(TP): 被正确分类到正样本的样本数量,即所预测的正样本中,真实的正样本的数量;
2)False positives(FP): 被错误分类到正样本的样本数量,即所预测的正样本中,实际上是负样本的样本数量;
3)False negatives(FN): 被错误分类到负样本的样本数量,即所预测的负样本中,实际上是正样本的样本数量;
4)True negatives(TN): 被正确分类到负样本的样本数量,即所预测的负样本中,真实的负样本的样本数量。
5)Condition positive(CP): True positive+False negative,实际上的正样本数量(数据集中真实的正样本数量)。
6)Condition negative(CN): False positive+True negative,实际上的负样本数量(数据集中真实的负样本数量)。
7)Predicted condition positive(PCP): True positive+False positive,所预测的负样本数量。
8)Predicted condition negative(PCN): False negative+True negative,所预测的负样本数量。

1. Recall、True positive rate (TPR)、Sensitivity

    首先看公式,Recall就是所有被正确预测为正样本的样本数量与真实的正样本的总数量的比值。Recall又叫做召回率,意思就是说在所有的正样本中,被正确找出来的样本的比例。
R e c a l l = ∑ T r u e   p o s i t i v e ∑ C o n t i d i o n   p o s i t i v e Recall=\frac{\sum{True\ positive}}{\sum{Contidion\ positive}} Recall=Contidion positiveTrue positive

2. Precision、Positive predictive value (PPV)

    Precision叫做精确度或者精度,表示在所有预测为正样本的数据中,有多少是真正的正样本。
P r e c i s i o n = ∑ T r u e   p o s i t i v e ∑ P r e d i c t e d   c o n d i t i o n   p o s i t i v e Precision=\frac{\sum{True\ positive}}{\sum{Predicted \ condition\ positive}} Precision=Predicted condition positiveTrue positive

3. Accuracy (ACC)

    Accuracy叫做准确度,表示在所有的样本数据中,有多少是被正确预测的(包括正样本和负样本)。
A c c u r a c y = ∑ T r u e   p o s i t i v e + ∑ T r u e   n e

这篇关于目标检测和图像语义分割领域的性能评价指标的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1129461

相关文章

Python实现图片分割的多种方法总结

《Python实现图片分割的多种方法总结》图片分割是图像处理中的一个重要任务,它的目标是将图像划分为多个区域或者对象,本文为大家整理了一些常用的分割方法,大家可以根据需求自行选择... 目录1. 基于传统图像处理的分割方法(1) 使用固定阈值分割图片(2) 自适应阈值分割(3) 使用图像边缘检测分割(4)

使用Python实现图像LBP特征提取的操作方法

《使用Python实现图像LBP特征提取的操作方法》LBP特征叫做局部二值模式,常用于纹理特征提取,并在纹理分类中具有较强的区分能力,本文给大家介绍了如何使用Python实现图像LBP特征提取的操作方... 目录一、LBP特征介绍二、LBP特征描述三、一些改进版本的LBP1.圆形LBP算子2.旋转不变的LB

Python如何将大TXT文件分割成4KB小文件

《Python如何将大TXT文件分割成4KB小文件》处理大文本文件是程序员经常遇到的挑战,特别是当我们需要把一个几百MB甚至几个GB的TXT文件分割成小块时,下面我们来聊聊如何用Python自动完成这... 目录为什么需要分割TXT文件基础版:按行分割进阶版:精确控制文件大小完美解决方案:支持UTF-8编码

OpenCV图像形态学的实现

《OpenCV图像形态学的实现》本文主要介绍了OpenCV图像形态学的实现,包括腐蚀、膨胀、开运算、闭运算、梯度运算、顶帽运算和黑帽运算,文中通过示例代码介绍的非常详细,需要的朋友们下面随着小编来一起... 目录一、图像形态学简介二、腐蚀(Erosion)1. 原理2. OpenCV 实现三、膨胀China编程(

Python如何使用__slots__实现节省内存和性能优化

《Python如何使用__slots__实现节省内存和性能优化》你有想过,一个小小的__slots__能让你的Python类内存消耗直接减半吗,没错,今天咱们要聊的就是这个让人眼前一亮的技巧,感兴趣的... 目录背景:内存吃得满满的类__slots__:你的内存管理小助手举个大概的例子:看看效果如何?1.

python+opencv处理颜色之将目标颜色转换实例代码

《python+opencv处理颜色之将目标颜色转换实例代码》OpenCV是一个的跨平台计算机视觉库,可以运行在Linux、Windows和MacOS操作系统上,:本文主要介绍python+ope... 目录下面是代码+ 效果 + 解释转HSV: 关于颜色总是要转HSV的掩膜再标注总结 目标:将红色的部分滤

Redis中高并发读写性能的深度解析与优化

《Redis中高并发读写性能的深度解析与优化》Redis作为一款高性能的内存数据库,广泛应用于缓存、消息队列、实时统计等场景,本文将深入探讨Redis的读写并发能力,感兴趣的小伙伴可以了解下... 目录引言一、Redis 并发能力概述1.1 Redis 的读写性能1.2 影响 Redis 并发能力的因素二、

C++字符串提取和分割的多种方法

《C++字符串提取和分割的多种方法》在C++编程中,字符串处理是一个常见的任务,尤其是在需要从字符串中提取特定数据时,本文将详细探讨如何使用C++标准库中的工具来提取和分割字符串,并分析不同方法的适用... 目录1. 字符串提取的基本方法1.1 使用 std::istringstream 和 >> 操作符示

Golang中拼接字符串的6种方式性能对比

《Golang中拼接字符串的6种方式性能对比》golang的string类型是不可修改的,对于拼接字符串来说,本质上还是创建一个新的对象将数据放进去,主要有6种拼接方式,下面小编就来为大家详细讲讲吧... 目录拼接方式介绍性能对比测试代码测试结果源码分析golang的string类型是不可修改的,对于拼接字

使用Python开发一个图像标注与OCR识别工具

《使用Python开发一个图像标注与OCR识别工具》:本文主要介绍一个使用Python开发的工具,允许用户在图像上进行矩形标注,使用OCR对标注区域进行文本识别,并将结果保存为Excel文件,感兴... 目录项目简介1. 图像加载与显示2. 矩形标注3. OCR识别4. 标注的保存与加载5. 裁剪与重置图像