matlab精度检验代码
该存储库已弃用。
有关各种视觉检测任务,请参阅LRP的通用版本。
用于对象检测的LRP(本地化召回精度)性能指标和阈值
该存储库包含对象检测性能指标的Python和MATLAB实现。
该存储库支持PASCAL-VOC和MS
COCO数据集。
如果使用LRP,请引用以下论文。
Kemal
Oksuz,Baris
Can
Cam,Emre
Akbas和Sinan
Kalkan,“本地化召回精度(LRP):一种用于对象检测的新性能指标”,发表于:欧洲计算机视觉会议(2018年)。
简而言之,LRP是平均精度(AP)的替代方法,后者是召回精度曲线下的面积,并且是当前在对象检测中使用的主要性能指标。
在上图中,显示了三个不同的对象检测结果(针对ILSVRC
2015数据集的图像),具有非常不同的RP(查全率)曲线。
请注意,它们都具有相同的AP。
AP无法识别这些曲线之间的差异。
在(a),(b)和(c)中,红色,蓝色和绿色分别表示真实边界框,真阳性检测结果和假阳性检测结果。
图像中的数值表示置信度得分。
(d),(e)和(f)显示了(a),(b),(c)中相应检测的R
评论0
最新资源