目标检测:FP(误检)和FN(漏检)统计

Posted @BangBang

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了目标检测:FP(误检)和FN(漏检)统计相关的知识,希望对你有一定的参考价值。

1. 介绍

目标检测,检测结果分为三类:TP(正确检测),FP(误检),FN(漏检), 尤其是针对复杂场景或者小目标检测场景中,会存在一些FP(误检),FN(漏检)。

如何对检测的效果进行可视化,以帮助我们改进模型,提高模型recall值。

步骤

  • (1): 数据需要准备为yolo格式
  • (2) 训练数据获得模型model
  • (3) 利用训练的模型再测试集上预测,获得pred
  • (4) 根据测试集的标签label与pred结果,分析FPFN

2.数据准备

数据需要处理为yolo格式, 即每图片对应一个.txt的label信息,训练后的label也是每张图片对应.txt文件

|----dataset
	  |-- imgages
	       |--train
	          

谈谈基于深度学习的目标检测网络为什么会误检,以及如何优化目标检测的误检问题

添加链接描述

以上是关于目标检测:FP(误检)和FN(漏检)统计的主要内容,如果未能解决你的问题,请参考以下文章

谈谈基于深度学习的目标检测网络为什么会误检,以及如何优化目标检测的误检问题

目标检测YOLOv5:添加漏检率和虚检率输出

Detection:目标检测常用评价指标的学习总结(IoUTPFPTNFNPrecisionRecallF1-scoreP-R曲线APmAP ROC曲线TPRFPR和AUC)

目标检测的评价标准mAP, Precision, Recall, Accuracy

自动化视觉视觉检测软件哪个好用

YOLOv5小目标检测(方法与评价)