【发布时间】：2019-12-21 23:45:05
【问题描述】：
我有一个对象检测模型的 MR 与 FPPI 之间的图，该模型是在用于检测汽车的数据集上训练的。但是，我不知道如何理解这个图表，因此无法就它是否做得好得出结论。我获得了 76 分的 AP 分数，我认为这已经相当不错了。有人可以帮我理解图表吗？
【问题讨论】：
标签： deep-learning computer-vision object-detection false-positive
【发布时间】：2019-12-21 23:45:05
【问题描述】：
FPPI 是 False Positive Per Image 的缩写。对数平均未命中率有点类似于平均精度（您提到的 MAP），指的是未检测到的对象。
- MR = 假阴性/阳性
- FPPI = 误报/测试帧数
在这个图中，两个坐标都可能是基于对数的。当 False Positive 的值有上限时使用这种测量，无论场景中存在多少对象。当您考虑更高的每张图像误报阈值时，您应该预期您的未命中率会降低；因为通过增加 FPPI，您可以接受每张图像的更多误报，因此真阳性被检测到的机会更高（因此误报更少）。总而言之，您的情节看起来不错，因为在每张图像中，如果您希望检测到所有对象（汽车）（少小姐率），您可能会有一些误报（对象被错误地检测为汽车）作为侧面-效果。
【讨论】：