4

如何为使用视频的对象检测应用程序绘制每个窗口的误报率与未命中率（或误报概率）和 ROC（接收器操作曲线）的关系图？如何确定误报和命中的数量？一个例子是很有用。

4

1 回答 1

2

它很简单。将所有真阳性 (H0) 值存储在一个数组中，将所有真阴性 (H1) 值存储在另一个数组中。

对两个列表进行排序。

从两个列表中查找最大值和从两个列表中查找最小值。将范围除以适当的数字（例如 1000），这将是您的步骤。

现在按步长值从最小值步进到最大值。

对于每个评估值，在 h0 和 h1 数组中找到大于该值的点。将此索引除以 h0/h1 数组中的值数，然后乘以 100（给您一个百分比）。

  • 错误拒绝 (fr) = h0 指数百分比。
  • 错误接受 (fa) = 100 - (h1 指数百分比)。

绘制 fa 反对，100 - fr。

要计算 EER，您需要找到上面计算的 fr 和 fa 之间的最小距离。

float diff = fabsf( fr - fa );
if ( diff < minDiff )
{
    minDiff = diff;
    minFr   = fr;
    minFa   = fa;
}

最后，EER 计算如下：

float eer = (minFr + minFa) / 2.0f;

编辑：您为 H0 和 H1 获得的值只是分数值，表示您的匹配正确的“可能性”。您必须在某处计算这些数字，因为您必须根据此分数决定是否识别您的对象。

H0 列表是您在确定匹配时获得的分数。H1 列表是当你有明确的不匹配时你得到的分数。

于 2013-02-03T09:39:58.250 回答