【深度学习分类任务指标】解析

1、首先是混淆矩阵，这个是非常常见的，在yolo的运行结果中也存在，大家应该不陌生。

• TP、TN分别代表真正例（真阳例），真假例(真阴例)。TP、TN代表网络中预测正确的数目，预测对的越多，网络的性能也就越好。
• FP、FN 相反代表 假正例 、 假阴例，也就是预测错误的例子数。
  
• 准确率：模型中预测准确的样例数 / 模型中总样例数
• 精确率：模型预测的所有Positive正例中，预测准确的比例
• 召回率：样例中所有Positive例中，模型正确预测出来的比例
• 特异度：样例中所有negative例中，模型正确预测出来的比例 （实际用的较少）

参考视频链接