专栏首页Mybatis学习关于深度学习中的Precision和Recall的一些理解

关于深度学习中的Precision和Recall的一些理解

precision和recall。这是论文中经常提及的两个概念。我们举这样的一个例子: 我们现在有一个检测的任务,但是这个任务数据中包含了。那么我们这个时候就有一个问题,我们怎么描述一个物体被检测出来呢?为此,我们引入了IOU这个概念?

我们规定IOU > 0.5表示物体被检测出来,否则没有。

现在我们有了这个指标,我们开始跑数据。假设我们已经把网络训练好了,接着找来一张图片测试(这张图片上有四个狗和三只猫),测试结果这样的(我们的目标是找图片中的狗)

标注的数字表示IOU值,我们只选择IOU > 0.5的物体。

那么,这个时候问题又出现了,我们怎么描述我们检测的结果怎么样呢?这个时候就出现了precisionrecall。我们先不急着说明这两个概念是什么,我们先看上面的结果,我们发现,我们要找的目标是狗,结果查找的目标中有猫,这显然不是我们希望看到的。我们希望通过一个指标去描述这个问题,所以我们提出了precision,precision是描述查找一个目标的精准率。我们还发现一个问题,就是我们漏找了,明明右上角是一只狗,结果没有找出来,为了表述这个问题,所以我们提出recall,recall是描述查找一个目标的漏检率,recall很多地方翻译为召回率,我更喜欢称它为漏检率或查全率。

我们将被正确识别的狗,称为True positives。我们将被正确识别的猫称为True negatives。为什么会有这个概念?什么是被正确识别的猫?我们知道我们这里的目标是找狗,那么那些我们没有标注的猫,是不是从反向说明我们的查找准确率(precision)呢?接着,我们定义被错误识别为狗的猫False positives被错误识别为猫的狗称为False negatives(就是右上角的狗,受IOU指标影响)。这些概念很重要,不要记错了!!!

接着我们就定义:

我们就很容易的计算出这里的 precision=3/4​,recall=3/4​ 。最后说一点,如果我们把IOU标准设置为IOU > 0的话,这个时候的recall会越来越接近于1,而相应的precision也会降低,这很容易理解。

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 吴恩达教你应用机器学习技巧

    原创干货文章第一时间送达! 推荐阅读时间:8min~15min 主要内容:机器学习的实用技巧 在目前数据集中拟合得非常好的算法不一定在新数据集中也能work,极...

    企鹅号小编
  • 绝对不容错过:最完整的检测模型评估指标mAP计算指南(附代码)在这里!

    本文翻译自Measuring Object Detection models - mAP - What is Mean Average Precision?(...

    机器学习算法工程师
  • 从女友和老妈的使用角度看精确率(precision)和召回率(recall)的不同

    机器学习和深度学习中,精确率和召回率经常会被提起,但因为定义有点绕了,许久不用后,又通常容易忘记或者是搞混。

    Frank909
  • [白话解析] 通过实例来梳理概念 :准确率 (Accuracy)、精准率(Precision)、召回率(Recall)和F值(F-Measure)

    二分类评估是对二分类算法的预测结果进行效果评估。本文将构造出一个水泊梁山的具体实例带领大家梳理相关概念。

    罗西的思考
  • PyTorch专栏(八):微调基于torchvision 0.3的目标检测模型

    【磐创AI 导读】:本篇文章讲解了PyTorch专栏的第四章中的微调基于torchvision 0.3的目标检测模型。查看专栏历史文章,请点击下方蓝色字体进入相...

    磐创AI
  • 大数据技术之_19_Spark学习_08_Spark 机器学习_01_机器学习概述 + 机器学习的相关概念 + 算法常用指标

      一组数据的集合被称作数据集,用于模型训练的数据集叫训练集,用于测试的数据集叫测试集。一个数据集包含多条数据,一条数据包含多个属性。

    黑泽君
  • 预备AI工程师升级必备:大厂常见图像分类面试题

    图像分类是深度学习计算机视觉技术中极其重要的应用场景和技术基础,图像检测、语义分割等等各种任务场景都需要基于图像分类的基础能力。也是大家入门深度学习CV方向任务...

    黄博的机器学习圈子
  • 【评价指标】详解F1-score与多分类MacroF1&MicroF1

    首先,要背住的几个概念就是:accuracy, precision, recall, TP,FP,TN,FN

    机器学习炼丹术
  • 推荐算法之: DeepFM及使用DeepCTR测试

    实现部分,用Keras实现一个DeepFM 和·清尘·《FM、FMM、DeepFM整理(pytorch)》

    JadePeng
  • 「深度学习」最基本的四大评价指标!!

    参考:https://blog.csdn.net/asialee_bird/article/details/83091854

    ShuYini
  • 机器学习算法常用指标总结

    机器学习性能评价标准是模型优化的前提,在设计机器学习算法过程中,不同的问题需要用到不同的评价标准,本文对机器学习算法常用指标进行了总结。

    小白学视觉
  • 一文读懂机器学习分类模型评价指标

    解决一个机器学习问题都是从问题建模开始,首先需要收集问题的资料,深入理解问题,然后将问题抽象成机器可预测的问题。在这个过程中要明确业务指标和模型预测目标,根据预...

    统计学家
  • 模型评估

    用户1432189
  • 在tensorflow2.2中使用Keras自定义模型的指标度量

    使用Keras和tensorflow2.2可以无缝地为深度神经网络训练添加复杂的指标

    deephub
  • 第一章(1.3)机器学习概念图谱

    机器学习(machine learning)是最近非常火的一个领域,关于其一些基本定义百度百科、维基百科或者网上随便都可以找到很多资料,所以这里不做过多解释。

    两只橙
  • Facebook AI导致人被抓,谁来背锅?

    前段时间和Bittiger的冯总聊天。他有一个伟大的愿望,每天更新,争取写一万篇文章。这个让我深受启发。我意识到也许每天写点东西不是一个坏事。很多时候写作习惯是...

    用户1564362
  • 准确率、精准率、召回率、F1,我们真了解这些评价指标的意义吗?

    本文首发于知乎 https://zhuanlan.zhihu.com/p/147663370

    AI科技评论
  • 第一章(1.3)机器学习概念图谱

    机器学习(machine learning)是最近非常火的一个领域,关于其一些基本定义百度百科、维基百科或者网上随便都可以找到很多资料,所以这里不做过多解释。

    两只橙
  • F1 - Score\Precision\Recall The Single number evaluation metric(单一评估标准)

    Precision(%)=True positivenumber of predicted positive∗100=True positiveTrue pos...

    Steve Wang

扫码关注云+社区

领取腾讯云代金券