如何计算我的 caffe 模型的准确率、召回率和 F1 分数

Question

Framework: Caffe
Architecture: Mobilenet-SSD
Dataset: [Caltech Padestrain Detection Dataset][1]

我知道精度、召回率、F1 分数和准确率的公式。我知道公式，但这里的问题是自动化

我可以手动计算所有内容，但问题在于自动计算测试数据集中约 10k 图像

因为我可以看到图像并比较什么是误报等。但不确定如何使用计算机

因为我的模型可能会检测到一个人，但边界框稍大（坐标有点偏离）并且测试数据集标签准确

所以虽然检测正在进行，但坐标不匹配。

如何解决这个问题来计算准确率、召回率和准确率？如果这不是正确的方法，请提出正确的方法

Answer 1

嗯，好问题。我认为你应该定义你想要实际测量的内容。 F1 分数、准确率和召回率都很容易。只需查看是否已检测到一个人，或者您有误报并照常计算事情。为此使用scikit。

现在关于边界框、区域和坐标。您应该使用不同的指标！我推荐你 mAP（平均平均精度）。查看此link 并随时在互联网上阅读有关此内容的更多信息。祝你的模型好运！

另一种选择是使用以下要点 confusionMatrix_convnet_test_BatchMode(VeryFast).py 使用 sklearn 构建混淆矩阵。