【发布时间】：2014-07-06 23:30:12
【问题描述】：
我有一些图像将用于测试对象检测分类器。
我会让分类器输出它认为目标对象所在的矩形的坐标，但我想知道结果是如何测试的？
我猜我应该有一个真实对象位置坐标的参考文件，我可以与它比较分类器的结果。
如果分类器确实做出了正确的分类，只是坐标与参考文件中的坐标不完全相同怎么办？
这通常是如何解决的？
【问题讨论】：
标签： python testing computer-vision classification
【发布时间】：2014-07-06 23:30:12
【问题描述】：
答案取决于您要使用的方法。您提出的其中一个，在这种情况下，我会为错误检测情况设置一个固定的可能错误率，如果分类器结果位于数据测试文件中的一个示例的错误区间内，则被认为是适当的分类的例子。当然，这个固定的错误率应该小到不会在数据集中“过度检测”。
我建议尝试cross-validation 作为一种测试分类器的技术。从数据集中，它选择一些向量（图像）作为测试集，其余的作为训练集。重复几次并平均导致估计分类器错误的错误。而且你不必有单独的数据测试集，也不必担心你所说的问题。
【讨论】：