深度学习1:通过模型评价指标优化训练

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

Accuracy=(TP+TN)/(TP+TN+FP+FN)

2.精确率:正样本预测正确占正样本的比例

precision=(TP)/(TP+FP)

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

R=(TP)/(TP+FN)

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。

相关推荐
Naomi5215 分钟前
Trustworthy Machine Learning
人工智能·机器学习
刘 怼怼18 分钟前
使用 Vue 重构 RAGFlow 实现聊天功能
前端·vue.js·人工智能·重构
程序员安仔19 分钟前
每天学新 AI 工具好累?我终于发现了“一键全能且免费不限量”的国产终极解决方案
人工智能
闭月之泪舞19 分钟前
OpenCv(五)——边缘检测
人工智能·计算机视觉
星霜旅人21 分钟前
K-均值聚类
人工智能·机器学习
Json_31 分钟前
Vue v-bind指令
前端·vue.js·深度学习
lilye6633 分钟前
程序化广告行业(39/89):广告投放的数据分析与优化秘籍
大数据·人工智能·数据分析
Json_34 分钟前
JS中的冒泡简洁理解
前端·javascript·深度学习
欧雷殿34 分钟前
再谈愚蠢的「八股文」面试
前端·人工智能·面试
Json_35 分钟前
Vue 自定义指令
前端·vue.js·深度学习