誤檢率：所有正常資料中被檢測為異常的比例
查準率：所有被判斷為異常的資料中，確實為異常資料的比例
查全率：所有異常資料中被檢測為異常的比例
漏檢率：所有異常資料中被檢測為正常的比例
異常->異常：true positive （tp）誤檢率： fp rate = sum(fp) / (sum(fp) + sum(tn))正常->異常：false positive （fp）
正常->正常：true negative （tn）
異常->正常：false negative （fn）
查準率： precision rate = sum(tp) / (sum(tp) + sum(fp))
查全率： recall rate = sum(tp) / (sum(tp) + sum(fn))
漏檢率：miss rate = sum(fn) / (sum(tp) + sum(fn))
recall rate + miss rate = 1
檢測率計算，根據目標真實座標文字和檢測結果座標文字
include include include include using namespace cv using namespace std 分割字串 void splitstring const std string s,std vector v,const std string c if pos...
目標檢測 目標檢測通用框架總結
目標檢測框架個人總結 以下是筆記中包含的內容 目標檢測網路框架總結 yolov4中有圖 從最開始的神經網路到現在深度更深，模組更多的目標檢測深度學習神經網路，如今大致可以分為two stage detector 典型的為rcnn系列 和 one stage detector 典型為yolo系列 每個...
目標檢測入門 目標檢測基本概念
目標檢測關注影象中特定的物體目標，要求同時獲得這一目標的類別資訊和位置資訊。檢測給出的是對前景和背景的理解，需要從背景中分離出感興趣的目標，並確定這一目標的描述 類別和位置，常用檢測框表示 與影象分類的區別，目標檢測更具難度 影象分類只需要判斷輸入的影象中是否包含感興趣物體，而不需要定位具體位置 如...