关于Top-1错误率、Top-1准确率、Top-5错误率、Top-5准确率的实例辨析
关于Top-1错误率、Top-1准确率、Top-5错误率、Top-5准确率的实例辨析
荣仔_最靓的仔
发布于 2022-01-10 14:08:42
发布于 2022-01-10 14:08:42
VGG
论文中是这样解释
Top-1
和
Top-5
错误率的： The former is a multi-class classification error, i.e. the proportion of incorrectly classified images; the latter is the main evaluation criterion used in ILSVRC, and is computed as the proportion of images such that the ground-truth category is outside the top-5 predicted categories.
目录
公式先知
Top-1
错误率
=
（所有测试图片中正确标签不在模型输出的最佳标记中的样本数）
/
总样本数
Top-1
准确率
=
（所有测试图片中正确标签在模型输出的最佳标记中的样本数）
/
总样本数
Top-5
错误率
=
（所有测试图片中正确标签不在模型输出的前
5
个最佳标记中的样本数）
/
总样本数
Top-5
准确率
=
（所有测试图片中正确标签在模型输出的前
5
个最佳标记中的样本数）
/
总样本数
实例理解
下面以一个
10
分类案例理解
Top-1
与
Top-5
：
已知
10
个类别：
假设测试图像共
3
张：
- 测试图
1
：
，人工标签：
2
- 测试图
2
：
，人工标签：
7
- 测试图
3
：
，人工标签：
6
测试图全部输入模型：
- 测试图
1
的前
5
个最佳标记：
{\color{Red} 2},\: 3,\: 5,\: 8,\: 0
（最佳标记为
{\color{Red} 2}
）
- 测试图
2
的前
5
个最佳标记：
6,\: 1,\: 2,\: 5,\: 9
（最佳标记为
6
）
- 测试图
3
的前
5
个最佳标记：
0,\: {\color{Red} 6},\: 3,\: 2,\: 8
（最佳标记为
0
）
则：
Top-1
错误率
=
\frac{2}{3}
Top-1
准确率
=
\frac{1}{3}
Top-5
错误率
=
\frac{1}{3}
Top-5
准确率
=
\frac{2}{3}
结论
Top-1
和
Top-5
错误率（或准确率） 是深度学习中评价模型预测错误率的两个指标。
- 一般来说，
Top-1
和
Top-5
的错误率越低（或准确率越高），模型的性能也就越好。
- 一般而言，
Top-5
的错误率在数值上会比
Top-1
错误率的数值要小，毕竟从
5
个结果里猜对的几率要比只从
1
个结果里猜对的几率要大嘛！
本文参与 腾讯云自媒体同步曝光计划，分享自作者个人站点/博客。
原始发表：2021-09-15 ，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读
目录