Tensorflow目标检测API中的精确召回曲线
在Tensorflow对象检测API中是否有可视化精度召回曲线的方法? 我知道地图代表曲线下面积的绝对值,但我认为实际曲线更能代表我的应用? 我已经在UTIL/metrics中找到了一些精度和召回值,但我不知道它们究竟代表了什么,或者更确切地说,如何从中生成Prec/recall曲线。Tensorflow目标检测API中的精确召回曲线,tensorflow,Tensorflow,在Tensorflow对象检测API中是否有可视化精度召回曲线的方法? 我知道地图代表曲线下面积的绝对值,但我认为实际曲线更能代表我的应用? 我已经在UTIL/metrics中找到了一些精度和召回值,但我不知道它们究竟代表了什么,或者更确切地说,如何从中生成Prec/recall曲线。 谁能帮我一下,怎么做?计算精度\u召回输出两个长度相同的numpy数组,即精度和召回。可以使用matplotlib轻松打印这些值: 导入matplotlib.pyplot作为plt ... 精度、召回率=计算精度
谁能帮我一下,怎么做?计算精度\u召回输出两个长度相同的numpy数组,即精度和召回。可以使用matplotlib轻松打印这些值:
导入matplotlib.pyplot作为plt
...
精度、召回率=计算精度、召回率(分数、标签、数量)
plt.图()
plt.step(召回、精度,其中class='post')
plt.xlabel(“召回”)
plt.ylabel(“精度”)
plt.xlim((0,1))
plt.ylim((0,1))
plt.show()
plt.close()
根据:“通过改变模型分数阈值,确定什么被算作该类别的模型预测阳性检测,从模型的检测输出计算精度召回曲线。”该断言正确吗,有没有办法设置分数阈值?注意,compute\u precision\u recall
函数是。您应该能够像这样导入它:从object\u detection.utils.metrics import compute\u precision\u recall
导入matplotlib.pyplot as plt
应该使用,而不是导入matplotlib as plt