“每窗口误报率”的含义

在论文用于人体检测的方向梯度直方图(Navneet Dalal和Bill Triggs)(见下方链接)中,为了展示他们的结果,他们使用了ROC曲线,其中Y轴是TP(真正例),X轴是FPPW(每窗口误报率)

这个短语FPPW的含义是什么?

我考虑了三种可能的解释…我不知道 – 也许它们都错了。您的帮助将不胜感激:

  1. 可能是错误分类为正的负样本的比率,即:(NUMBER_OF_FALSE_POSITIVES / NUMBER_OF_NEGATIVE_SAMPLES)

  2. 或者可能是每真正例的误报率,即:(NUMBER_OF_FALSE_POSITIVES / NUMBER_OF_TRUE_POSITIVES)

  3. 或者可能是每张完整图像中每真窗口的误报率,即:(NUMBER_OF_FALSE_POSITIVES / NUMBER_OF_TRUE_SAMPLES)

我很想知道其中是否有一个是正确的,或者您是否知道其他正确的定义。

论文链接:(https://lear.inrialpes.fr/people/triggs/pubs/Dalal-cvpr05.pdf)


回答:

它似乎被定义为NUMBER_OF_FALSE_POSITIVES / NUMBER_OF_WINDOWS,其中检测窗口是一个64x128的移动窗口。请注意,在第4节的最后一段中提到:

… 在多尺度检测器中,这相当于每张640×480的测试图像大约0.8个误报的原始错误率。

Related Posts

L1-L2正则化的不同系数

我想对网络的权重同时应用L1和L2正则化。然而,我找不…

使用scikit-learn的无监督方法将列表分类成不同组别,有没有办法?

我有一系列实例,每个实例都有一份列表,代表它所遵循的不…

f1_score metric in lightgbm

我想使用自定义指标f1_score来训练一个lgb模型…

通过相关系数矩阵进行特征选择

我在测试不同的算法时,如逻辑回归、高斯朴素贝叶斯、随机…

可以将机器学习库用于流式输入和输出吗?

已关闭。此问题需要更加聚焦。目前不接受回答。 想要改进…

在TensorFlow中,queue.dequeue_up_to()方法的用途是什么?

我对这个方法感到非常困惑,特别是当我发现这个令人费解的…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注