虚警概率图和ROC曲线

如何为使用视频的对象检测应用程序绘制每个窗口的误报率与未命中率（或误报概率）和ROC（接收器工作曲线）的图表？如何确定误报和点击数？一个示例将非常有用。

非常简单。将所有真正值（H0）值存储在一个数组中，将所有真负值（H1）值存储在另一个数组中

对两个列表进行排序

从两个列表中查找最高值，从两个列表中查找最低值。将范围除以适当的数字（例如1000），这将是您的步骤

现在，按步长值从最小值步进到最大值

对于每个评估值，在h0和h1数组中找到大于该值的点。将该索引除以h0/h1数组中的值数，然后乘以100（给出一个百分比）

• 错误拒绝（fr）=h0指数百分比
• 错误验收（fa）=100-（h1指数百分比）

绘制fa图，100-fr

要计算EER，您需要找到上面计算的fr和fa之间的最小距离

float diff = fabsf( fr - fa );
if ( diff < minDiff )
{
    minDiff = diff;
    minFr   = fr;
    minFa   = fa;
}

编辑：得到的H0和H1值只是表示匹配正确的“可能性”的分数值。你必须在某个地方计算这些数字，因为你必须根据这个分数决定是否识别你的物体

---

H0列表是当你有明确的匹配时得到的分数。H1列表是当你有明确的不匹配项时得到的分数。

你有测试集吗？误报仅仅是机器认为是“真”而实际上是“假”的项目。谢谢你的回答。但是，我不明白你的意思是“将所有真阳性（H0）值存储在一个数组中，将所有真阴性（H1）值存储在另一个数组中。对两个列表进行排序”它们是什么类型的数字？假设我有20个待检测对象的图像。假设真实匹配的数量是15个，剩余的是5个错误匹配。那么该列表包含哪些需要分类的内容？你能用代码解释一下吗？@ShreyaM好吧，如果不知道你的真实正态和负态，你就无法计算ROC/DET图你的真实底片…一般来说，你的真实底片（H1）比真实底片（H0）多，要得到一个好的ROC图，你需要20多次测试。。。如果只有20个，你会得到一个非常糟糕的图…所以，再次为打扰你道歉，但是你能用一个小例子解释一下，真正的正和真正的负的数据是什么…它们是用计数器确定的吗？比如说，一个计数器计算有多少个匹配。

float eer = (minFr + minFa) / 2.0f;