在计算机视觉项⽬的异常检测中,基本⽤这⼏个指标来衡量算法的性能好坏。
误检率:FPR=FP/(FP+TN)
漏检率:FNR=FN/(FN+TP)
正确率:A=(TP+TN)/(TP+TN+FP+FN)
误检率FPR False Predicted Ratio
漏检率FNR False Negative Ratio
正确率A Accuracy
双层帐篷正确匹配T true
古代蹴鞠用什么做的
受体拮抗剂实验方法
负类N negative
aveee错误匹配,将负类预测为正类FP False positive
正确匹配,将负类预测为负类TN True negative
错误匹配,将正类预测为负类FN False negative
正确匹配,将正类预测为正类TP true positive
说明:在异常检测中我们更多的是关注事物的异常状态,所以将异常状态表⽰为正类,将正常状态表⽰为负类,如⼯业检测中划痕检测,显⽰屏有划痕是正类,没有划痕是负类。正确匹配为将正类识别为正类,将负类识别为负类,错误匹配为将正类识别为负类或将负类识别为正类。 涂料用润湿分散剂