深度学习中的各类评价指标

深度学习中的各类评价指标

    • [1 Dice Loss](#1 Dice Loss)
    • [2 Precision(精度)](#2 Precision(精度))
    • [3 Recall(召回率)](#3 Recall(召回率))
    • [4 F-Score](#4 F-Score)
    • [5 mAP](#5 mAP)

1 Dice Loss

Dice Loss,也叫Soft Dice Coefficient,是一种用于图像分割任务的损失函数。它基于目标分割图像与模型输出结果之间的重叠区域的比例计算出分数。它通过最小化预测结果和真实结果之间的差异来优化模型。与交叉熵损失函数相比,它更适合于处理难分割的目标

Dice Loss的计算公式是:Dice Loss = 1 - 2 * |X ∩ Y| / (|X| + |Y|)。其中,X和Y分别表示预测结果和真实结果,|X ∩ Y|表示它们之间的交集,|X|和|Y|分别表示它们各自的区域。(仅供参考)

2 Precision(精度)

Precision表示预测为正 且 真实为正占预测为正的比例。

计算公式为Precision = TP / (TP + FP)或,其中TP表示真正例(True Positives),FP表示假正例(False Positives)。

3 Recall(召回率)

Recall表示预测为正且真实为正占所有真实为正的比例。

计算公式为Precision = TP / (TP + FN),其中TP表示真正例(True Positives),FN表示假负例(False Negtives)。由于Recall指标反映的是正例的准确率,所以越高的Recall指标表明模型对正例的预测越准确

4 F-Score

F分数是统计学中用来衡量二分类模型精确度的一种指标,它同时兼顾了分类模型的精确率和召回率。F分数可以看作是模型精确率和召回率的一种加权平均,其最大值是1,最小值是0。在自然语言处理领域,F分数也被广泛应用,比如命名实体识别、分词等,用来衡量算法或系统的性能。

F分数计算公式是:F1 = (2 * P * R) / (P + R)。其中,P表示精确率,R表示召回率。(仅供参考)

5 mAP

mAP(mean Average Precision)在机器学习中的目标检测领域,是十分重要的衡量指标,用于衡量目标检测算法的性能。一般而言,全类平均正确率(mAP,又称全类平均精度)是将所有类别检测的平均正确率(AP)进行综合加权平均而得到的。mAP除此之外,用于衡量目标检测算法性能的常用指标还有:准确率 (Accuracy),精确率(Precision),召回率(Recall),平均正确率(AP),交并比(IOU)等等。
计算方法参考链接

相关推荐
蓝桉8029 小时前
如何进行神经网络的模型训练(视频代码中的知识点记录)
人工智能·深度学习·神经网络
星期天要睡觉10 小时前
深度学习——数据增强(Data Augmentation)
人工智能·深度学习
笑脸惹桃花10 小时前
50系显卡训练深度学习YOLO等算法报错的解决方法
深度学习·算法·yolo·torch·cuda
南山二毛11 小时前
机器人控制器开发(导航算法——导航栈关联坐标系)
人工智能·架构·机器人
大数据张老师11 小时前
【案例】AI语音识别系统的标注分区策略
人工智能·系统架构·语音识别·架构设计·后端架构
xz2024102****11 小时前
吴恩达机器学习合集
人工智能·机器学习
anneCoder11 小时前
AI大模型应用研发工程师面试知识准备目录
人工智能·深度学习·机器学习
骑驴看星星a11 小时前
没有深度学习
人工智能·深度学习
youcans_11 小时前
【医学影像 AI】YoloCurvSeg:仅需标注一个带噪骨架即可实现血管状曲线结构分割
人工智能·yolo·计算机视觉·分割·医学影像
空白到白12 小时前
机器学习-决策树
人工智能·决策树·机器学习