如何衡量图像检测算法的成功率和百分比准确性？

Question

有谁知道如何正确量化图像检测算法的成功？ 您如何结合两种错误来源？ 因为一个来源是算法未能检测到的对象数量，而另一个来源是算法误识别为对象的误报数量。

因此，例如，如果图像中有574个对象，但算法仅检测到540个对象，同时产生113个误报，我如何获得百分比精度？

Answer 1

您可以通过首先计算算法的精度和召回性能来计算所谓的F ₁分数 （有时也称为F分数）。

精度是真实阳性的数量除以预测阳性的数量，其中预测阳性=（真实阳性+假阳性） 。

召回率是真实阳性的数量除以实际阳性的数量，其中实际阳性=（真实阳性+假阴性） 。

换句话说， 精确度意味着：“在我们检测到匹配的所有对象中，实际匹配的分数是多少？” 回想的意思是“在所有实际匹配的对象中，我们正确检测出匹配的部分是多少？”。

计算出精度P和召回率R后 ， F ₁分数为2 *（PR /（P + R）），并为您提供一个介于0和1之间的度量标准，用于比较不同算法的性能。

F ₁分数是在机器学习中使用的一种统计量度。 您可以在此Wikipedia条目中了解有关它的更多信息。

Answer 2

以下是一些可用于评估模型以进行图像分割（或对象检测）的度量标准：

• F1分数
• 骰子
• 形状相似度

这三部分均在细分挑战的本页中进行了描述