Image 如何衡量图像检测算法的成功率和准确率？

有人知道如何正确量化图像检测算法的成功吗？如何组合这两种错误源？因为一个来源是算法未能检测到的对象数量，另一个来源是算法错误识别为对象的误报数量

---

因此，例如，如果图像中有574个对象，但算法仅检测到540个对象，而产生113个误报，那么如何获得准确率百分比？

您可以通过首先计算算法的准确度和召回性能来计算所谓的F1分数（有时仅为F分数）

精度是真阳性数除以预测阳性数，其中预测阳性=（真阳性+假阳性）

回忆是真阳性数除以实际阳性数，其中实际阳性=（真阳性+假阴性）

换句话说，精度意味着“在我们检测到匹配的所有对象中，哪个分数实际匹配？”而回忆意味着“在所有实际匹配的对象中，我们正确检测到的匹配分数是多少？”

通过计算精度，p和召回率，R，F1分数2*（PR/（p+R）），并提供一个单一指标（介于0和1之间），用于比较不同算法的性能

---

F1分数是机器学习中使用的一种统计指标。您可以在中阅读更多关于它的信息

以下是一些度量/指标，可用于评估图像分割（或对象检测）模型：

• F1成绩
• 掷骰子
• 形状相似性

---

这三个方面都在这篇

中进行了描述。关于精确性和召回率，有一个很好的视觉解释，我试图写下它的功能：骰子和形状相似性不适用于对象检测。