如何绘制未命中率与误报率？答案

【问题标题】：How to plot miss rate vs false positive rate?如何绘制未命中率与误报率？
【发布时间】：2015-02-14 10:57:30
【问题描述】：

我无法绘制未命中率与误报率的曲线来分析我提出的系统的性能（如下图所示）。我有两个用于正样本和负样本的样本数据集。我想绘制我的系统的性能，它是否可以用这条曲线对人或非人进行分类。

据我所知，我需要在分类后得到 True Positive 和 False Positive 值，但我还不确定如何绘制曲线。有谁可以帮忙吗？？

【问题讨论】：

你在密谋什么？误报率（每个轴上一个），其他一些变量（系统的某些设置）等等......
我想绘制如上图所示的曲线，每张图像的误报率与误报率来分析我的系统的性能。但我不知道划伤它。我想将我的系统与其他两种方法进行比较。 @nkjt
如果您有这两位数据，只需semilogx 即可在图像中的 x 上获取日志。绘图或计算数据是您的问题吗？
我的问题涉及这两个问题。我不知道如何获得计算。你能解释一下如何计算数据吗？我一直在翻阅一些文献，但一无所获。 @nkjt
您需要一些“基本事实”（例如测试图像集，例如 INRIA ）。错过率 = 未找到的人（或您要查找的任何内容）的百分比。 “误报” = 每张图片中发现的非人“人”的数量。随着您增加“命中”的敏感度/降低阈值，您通常会获得更少的未命中但更多的误报。

标签： matlab image-processing classification false-positive

【解决方案1】：

从 MATLAB R2017a 开始，您可以使用evaluateDetectionMissRate 函数。

[logAverageMissRate,fppi,missRate] = evaluateDetectionMissRate(detectionResults,groundTruthData)

此函数返回用于绘制 log MR-FPPI 曲线的数据点。（MR：未命中率，FPPI：每张图像的误报）。

有关其用法示例，请在 MATLAB 中键入 doc evaluateDetectionMissRate 命令或转到 here。

【讨论】：

【解决方案2】：

您可以使用以下 GitHub repo 来绘制 MR 与 FPPI。看起来代码只计算了 mAP，但它做的远不止这些。它还计算未命中率、每张图像的误报率和对数平均未命中率。所有这些都是在 repo（第 81 行）中的 main.py 文件中计算的，但没有绘制出来。您所要做的就是使用 matplotlib（或任何其他模块）绘制 MR vs FPPI。只需按照自述文件开始。希望这会有所帮助！

【讨论】：

【解决方案3】：

在对象检测中有两种类型的边界框，数据集将主题标记为对象的框和您的算法检测到的框。

如果您的 bbox 与数据集 bbox 有 huge 交集，则 okey。

如果您的 bbox 与数据集 bbox 有 NOT 交集，则它是 False Posative。

我们称所有数据集 bbox 与图像中的 bbox 没有交集MISS Rate。在计算完这些数字之后，绘制这些值就很简单了。

【讨论】：