“每个窗口的误报”的含义

Posted 2023-03-12

【中文标题】“每个窗口的误报”的含义

【英文标题】：Meaning of "False Positives Per Window"

【发布时间】：2016-06-22 11:00:17

【问题描述】：

在论文Histograms of Oriented Gradients for Human Detection (Navneet Dalal 和 Bill Triggs)（见下面的链接）中，为了可视化他们的结果，他们使用了 ROC 曲线，其中 Y 轴是TP 和 X 轴是 FPPW（每个窗口的误报）。

这句话FFPW是什么意思？

我想到了 3 种可能的选择……我不知道——也许它们都错了。我们将不胜感激您的帮助：

可能是负样本分类错误率，即：(NUMBER_OF_FALSE_POSITIVES / NUMBER_OF_NEGATIVE_SAMPLES)

也可能是每次真实警报的误报率，即：(NUMBER_OF_FALSE_POSITIVES / NUMBER_OF_TRUE_POSITIVES)

或者可能是整个图像中每个真实窗口的误报率， 即：(NUMBER_OF_FALSE_POSITIVES / NUMBER_OF_TRUE_SAMPLES)

我很高兴知道其中一个是否正确，或者您是否知道任何其他正确的定义。

论文链接： (https://lear.inrialpes.fr/people/triggs/pubs/Dalal-cvpr05.pdf)

【参考方案1】：

它似乎被定义为NUMBER_OF_FALSE_POSITIVES / NUMBER_OF_WINDOWS，其中检测窗口是64x128 移动窗口。请注意，第 4 节最后一段中指出：

...在多尺度检测器中，它对应于每 640×480 测试图像的原始错误率约为 0.8 个误报。

【参考方案2】：

他们有一个窗口，他们在图像上移动并评估它是否显示人。 FPPW 衡量他们在检测器窗口内检测到其他人的频率。它以一种独立于图像大小或特定图像上的人数的方式来描述其分类的质量。

所以基本上，当他们向机器展示一些石头或冰淇淋时，他们会计算愚蠢的计算机说“是的，那是人类”的频率。

【讨论】：

你在这里描述的是FP率。但什么是 FPPW？他们为什么不直接称它为 FP？

啊，所以误报 PER 窗口不是比率还是什么？我基本上和 Bogatron 说的一样，他的回答被赞成，而我的回答被反对。 n1 我在那篇论文中没有看到一次 FP 的出现。你总是需要两件事来获得一个费率。一些别的东西。 W是第二件事。否则你没有利率。我猜他们只是想通过命名第二件事来精确。否则我会根据什么要求误报？图片？数据集？运行？块？

【参考方案3】：

我也有同样的困惑。作者声明他们正在使用 DET 曲线。当您查看几个关于 DET 曲线的examples 时，您会发现 x 轴实际上是误报率。这意味着FPPW 是FALSE_POSITIVE_RATE。

因此FPPW = NUMBER_OF_FALSE_POSITIVES / NUMBER_OF_NEGATIVE_SAMPLES

【讨论】：

所以FFPW 并不意味着精确，对吧？您不会将误报的数量除以“幸存”阈值的窗口数量（这意味着(fp + tp)），而是告诉您在所有错误窗口中检索到错误窗口的比率是多少。精度还可以低很多