1. 检测数据集介绍
1.1. pascal VOC 2007/2012
- pattern analysis statical modeling and computational learning
visual object classes(模式分析静态建模与计算学习、可视化对象类别) - 10k张图片
- 20~30k个对象
1.2. coco
- 大小为20G
- 200k张图片 500~600k个对象
- 大部分为小目标,目标不规则,不对称,重叠,密集
2. TP TN FP FN
-
Group Truth:图片中真实标记的框
-
TP(True Positives):真的正样本==>正样本被正确分为正样本
-
TN(True Negatives):真的负样本==>负样本被正确分为负样本
-
FP(False Positives):假的正样本==>负样本被错误分为正样本,即误检
-
FN(False Negatives):假的负样本==>正样本被错误分为负样本,即漏检
- precision(精度) = TP / (TP + FP)
- 即预测正确的部分占预测结果的比例
- recall(召回率) = TP / (TP + FN)
- 即预测正确的部分占GroundTruth的比例
- IoU(Intersection over Union) : 交并比
- IoU = TP / (TP + FP + FN)
最后
本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:目标检测数据集和相关概念 - Python技术站