如何从视频中对真阴性进行分类？

Posted 2023-03-12

【中文标题】如何从视频中对真阴性进行分类？

【英文标题】：How to classify true negative from a video?

【发布时间】：2017-01-31 09:43:00

【问题描述】：

出于性能测量目的，我正在尝试绘制 ROC 曲线。在 ROC 曲线中，我必须在 x 轴上绘制假阳性率 (FPR)，在 y 轴上绘制真阳性率 (TPR)。众所周知，

FPR = FP/(FP+TN)

那么在下图中我如何检测真阴性（TN）？我已经使用 HOG 分类器来检测人类。我用矩形 1、2、3、4、5、6（或应为 7）标记，以显示应忽略且不应归类为人类的人类对象。我认为这些都是真正的否定。

在这张照片中，我想说我的假设，正如我们所知，

假阴性：结果应该是肯定的，但结果是否定的。

假阳性：结果本应为阴性，但结果为阳性。

真正的肯定：结果应该是肯定的并且是肯定的。

真否定：结果应该是否定的并且是否定的

所以我认为在这个框架中 FP = 0，TP = 0，FN = 0 但不确定 TN，是 6 还是 7 或其他？如果我错了，还请纠正我关于 FP、TP 和 FN 的问题。我看到了这个问题How to categorize True Negatives in sliding window object detection?，这确实很有帮助，但我仍然必须为这种情况计算 FPR。

【问题讨论】：

但是这张图片代表什么？这个带数字的矩形是什么？这个矩形是你的算法喊“这是人”的地方吗？如果是这样 - 什么是“地下”，有什么人类喜欢的吗？为了使用分类语言，您还需要显示每个地方您的算法说“没什么有趣的”，这可能是一个巨大的数字（因为在滑动窗口中你有成千上万的“负面”答案）。

是的，那些矩形和数字是“这是人类”。它是来自正在运行的视频的一帧，发生这种情况时，我正在计算每一帧中的 FP、TP、TN、FN。所以在这个框架中是 TN = 7 ？ “因为在滑动窗口中你有成千上万个“否定”答案”那么我如何计算 FPR 并绘制 ROC 曲线？ @lejlot

这听起来离题了，可能更多是关于 stats.SE 的主题

【参考方案1】：

您无法从此类图像中计算这些值，您需要更多数据（了解实际发生的情况）。但是你需要的可能只是这些窗口的total amount，这是一个常数N。现在，似乎所有这些窗口都是错误的（没有一个是人的），因此：

FP = 6（您的方法声称有 6 个人，但这些声明都无效，因为它们完全关闭 - 但是如果这只是可视化问题，并且方法实际上捕获了有效的人，则这 6 应该移动到 TP而是） TP = 0（它没有正确标记任何人） FN = 10（如果我数正确的话，这张图片有 10 个人，所有这些都不见了） TN = N - 16，其中 N 是所有分析窗口的数量，因为它们都被正确归类为“缺乏人类”，最多 10 个 FN 和 6 个 FP，加起来是这 16 个。

一般

FP = 有多少

非人类

被标记为“人类” TP = 有多少

实际人类

被标记为“人类” FN = 有多少

实际人类

被正确

忽略

（未标记为“人类”） TN = 有多少

实际非人类

被正确

忽略

（未标记为“人类”）

【讨论】：

Well HOG 方法提供了一个矩形（检测窗口）来检测人类，在这个框架中我认为不应该检测到任何人类，因为有些人是如此微小且不完整。所以算法没有检测到是正确的，所以我认为FP = 0，因为没有检测到不完整的人体对象，TP = 0，因为没有矩形没有人，FN = 0，没有假矩形或假检测和 TN = 10（如果您计数有 10 个类似人类的对象）仅用于此帧，因为不存在可检测的对象（人类）并正确忽略。对不起，我只是说我的理解和信心

这完全不是它的工作原理，当然你可以定义什么分辨率对你来说很重要，但是你不能随意改变这些术语的定义。它返回 6 帧，没有一个是人类（高分辨率或低分辨率），所以 FP 为 6，周期。这里没有讨论。 FN 为 0 或 10，具体取决于您的分辨率。 TN 不是 10，因为它取决于实际分析了多少帧。这就是该术语的定义方式。然而，作为一个元问题——如果没有人，你根本无法定义这些对象，这不是一个正确的分类问题

你的方法意味着你有一些预处理，它预先选择了“类人对象”，并且算法应该正确分类哪个“类人”是实际的人。这很好，但您实际上需要拥有此方法（在脚本中，而不是作为人类）。你有吗？这是极不可能的情况，因为它要求您有一个完美的“类人”预选器，并且“检测到的人”的位置已经表明这不是它是如何工作的 - 它清楚地选择了“作为人类” ” 甚至不像人类的东西，所以它不是你的“10 个类似人类的东西”的子集

***.com/questions/16271603/… 在这个问题的图像中 FP = 2 不是吗？因为有两个假红色矩形在搜索人类，但在我的图像中，你没有像这些 FALSE RECTANGLE 这样的东西。 FN =1 作为 1 rect 表示，TP =3 作为 rect 表示。我就是这么想的。

是的，对于单独的问题，FP=2。在您提供的图像中，有 6 个矩形，它们错误地表示有人。看看我的回答，我一直在说 FP=6。除非您认为它们没问题，因为它们“有点偏离但足够接近”，这是非常特定于领域的，但我会说从图像识别的角度来看是无效的。