本博客內(nèi)容來源于網(wǎng)絡(luò)以及其他書籍猖吴，結(jié)合自己學(xué)習(xí)的心得進行重編輯，因為看了很多文章不便一一標(biāo)注引用挥转，如圖片文字等侵權(quán)海蔽，請告知刪除。
傳統(tǒng)2D計算機視覺學(xué)習(xí)筆記目錄------->傳送門
傳統(tǒng)3D計算機視覺學(xué)習(xí)筆記目錄------->傳送門
深度學(xué)習(xí)學(xué)習(xí)筆記目錄 ------------------->傳送門
前言
新年好啊扁位，新年好啊准潭，祝福大家新年好！ 明天就是元旦域仇，希望自己和小伙伴們都能在新的一年內(nèi)刑然，學(xué)業(yè)進步，工作順利暇务，生活順利泼掠。
自從開始在簡書記錄自己的學(xué)習(xí)過程已經(jīng)有四五個月了，寫了也有三十多篇文章垦细，在這個過程也收貨了很多择镇，能明顯感受到對一些東西的理解加深了，不再是模棱兩可了括改，印象也更深了腻豌。在此過程中，也認(rèn)識了很多的朋友，明年一起努力呀吝梅。
祝福語寫完了虱疏，圓規(guī)正轉(zhuǎn)。本文將一些常見的神經(jīng)網(wǎng)絡(luò)評估的指標(biāo)記錄一下苏携，誰讓我經(jīng)常忘記搞混呢做瞪。
常見評估指標(biāo)
下面列舉一些在使用中經(jīng)常計算的神經(jīng)網(wǎng)絡(luò)的評估指標(biāo)的計算方式以及個人理解。想了很多中辦法解釋右冻，還是舉個例子比較好装蓬。
例子嗎，最近看到一個比較厲害的纱扭，在王自如與劉翔的一組圖中找出劉翔牍帚。
假如，只能假如了（因為我也分不清）乳蛾，其中有3個是劉翔履羞，其他的是王自如，這就是真實值了屡久。但是我們的模型找出了5個劉翔，但是其中只有兩個劉翔是對的爱榔。
現(xiàn)在我們定義幾個概念：
真正例（TP）：實際上是正例的數(shù)據(jù)點被標(biāo)記為正例被环，劉翔的照片被識別為劉翔，則TP的數(shù)目是2
假正例（FP）：實際上是反例的數(shù)據(jù)點被標(biāo)記為正例详幽，非劉翔的照片被識別為劉翔筛欢，則FP的數(shù)目是3
真反例（TN）：實際上是反例的數(shù)據(jù)點被標(biāo)記為反例，非劉翔的照片被識別為非劉翔唇聘，則TN的數(shù)目是2
假反例（FN）：實際上是正例的數(shù)據(jù)點被標(biāo)記為反例版姑，劉翔的照片被識別為非劉翔，則FN的數(shù)目是1
-
誤差(Loss)
誤差這個就比較簡單了迟郎，是我們的優(yōu)化目標(biāo)剥险，誤差越小，我們基本上可以認(rèn)為我們的效果在訓(xùn)練集上或者驗證集上效果會更好宪肖，模型更接近最優(yōu)解表制。誤差的獲得當(dāng)然就是通過我們的損失函數(shù)獲得了的。
-
準(zhǔn)確率(Accuracy)
準(zhǔn)確率計算的是預(yù)測正確的樣本數(shù) 占全部預(yù)測正確樣本數(shù)的比例控乾。
即 ： (TP+TN)/(TP+FP+TN+FN)
對應(yīng)例子中的解就是4/8 = 0.5
-
誤檢率(false positve)
誤檢率就是預(yù)測錯誤的數(shù)目與所有預(yù)測數(shù)目之比
即：FP/(TP+FP)
對應(yīng)例子中的解就是 3/5 = 0.6
-
精確率(precision)
精確率就是預(yù)測正確的數(shù)目與所有預(yù)測數(shù)目之比
即：TP/(TP+FP)
對應(yīng)例子中的解就是 2/5 = 0.4
-
召回率(recall)
召回率就是預(yù)測正確的數(shù)目與樣本中所以待預(yù)測的數(shù)目之比
即：TP/(TP+FN)
對應(yīng)例子中的解就是 2/3 = 0.6666
-
平均精確率（mAP）
字面意思就是所有類別精確率的平均值么介。
對應(yīng)例子中的解就是 (0.4+0.6666)/2 = 0.53333
-
F1-measure
我們先簡單的將其計算公式寫出，之后在一起評價這些優(yōu)缺點蜕衡。
即：2*(召回率×精確率)/(召回率+精確率)
對應(yīng)例子中的解就是 2 * 0.66666 * 0.4/(0.66666+0.4) = 口算不出來就不算了
-
以上評估標(biāo)準(zhǔn)的評價
我們先看精確率與召回率壤短，我們當(dāng)然希望結(jié)果精確率越高越好，召回率也越高越好，但事實上這兩者在某些情況下是矛盾的久脯。比如極端情況下纳胧，我們只搜出了一個結(jié)果，且是準(zhǔn)確的桶现，那么精確率就是100%躲雅，但是召回率就有可能很低，因為很多正確的結(jié)果沒有找到骡和；而如果我們把所有結(jié)果都返回相赁，那么必然召回率是100%，但是精確率很低慰于。
為了彌補精確率與召回率的矛盾的尷尬钮科，我們提出了F-measure，或者叫F-Score婆赠，F(xiàn)-Measure是Precision和Recall加權(quán)調(diào)和平均绵脯。即：
但是無論是精確率與召回率還是F1-measure 都是針對單類別的評價蛆挫，對于多類別的任務(wù)我們提出了mAP來表達模型的效果。mAP是準(zhǔn)確率-召回率都相關(guān)的全局指標(biāo)妙黍。
總結(jié)
在2019年的最后幾個小時總結(jié)完了這些東西悴侵，雖然簡單，但是也是我保持學(xué)習(xí)的見證拭嫁，2020加油啊可免。
重要的事情說三遍：
如果我的文章對您有所幫助做粤，那就點贊加個關(guān)注唄 ( * ^ __ ^ * )
如果我的文章對您有所幫助浇借，那就點贊加個關(guān)注唄 ( * ^ __ ^ * )
如果我的文章對您有所幫助，那就點贊加個關(guān)注唄 ( * ^ __ ^ * )
傳統(tǒng)2D計算機視覺學(xué)習(xí)筆記目錄------->傳送門
傳統(tǒng)3D計算機視覺學(xué)習(xí)筆記目錄------->傳送門
深度學(xué)習(xí)學(xué)習(xí)筆記目錄 ------------------->傳送門
任何人或團體怕品、機構(gòu)全部轉(zhuǎn)載或者部分轉(zhuǎn)載妇垢、摘錄，請保留本博客鏈接或標(biāo)注來源堵泽。博客地址：開飛機的喬巴
作者簡介：開飛機的喬巴（WeChat：zhangzheng-thu）修己，現(xiàn)主要從事機器人抓取視覺系統(tǒng)以及三維重建等3D視覺相關(guān)方面，另外對slam以及深度學(xué)習(xí)技術(shù)也頗感興趣迎罗，歡迎加我微信或留言交流相關(guān)工作睬愤。
