首先解釋幾個概念:
FP(false positive):錯誤正例->分類結果為正例(行人),實際上是負例(沒有行人)
Miss Rate:丟失率=測試集正例判別為負例的數目/測試集正例數
對於行人檢測來說,如果我們把分類器的閾值越低,丟失率(Miss Rate)會下降,而此時FPPI(每張圖片錯誤正例數目)就會增多。這樣我們壹般定壹個指標,然後根據另壹個指標來比較算法好壞。
圖中的Miss Rate vs FPPI 壹般比較FPPI=10^-1時的Miss Rate。
首先解釋幾個概念:
FP(false positive):錯誤正例->分類結果為正例(行人),實際上是負例(沒有行人)
Miss Rate:丟失率=測試集正例判別為負例的數目/測試集正例數
對於行人檢測來說,如果我們把分類器的閾值越低,丟失率(Miss Rate)會下降,而此時FPPI(每張圖片錯誤正例數目)就會增多。這樣我們壹般定壹個指標,然後根據另壹個指標來比較算法好壞。
圖中的Miss Rate vs FPPI 壹般比較FPPI=10^-1時的Miss Rate。