PR-curve（precision-recall curve）object detection

最新推荐文章于 2025-03-24 10:31:54 发布

原创最新推荐文章于 2025-03-24 10:31:54 发布 · 1.6k 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #机器学习 #python

3d object detection 专栏收录该内容

2 篇文章

订阅专栏

本文针对目标检测中的PR曲线进行了深入探讨，并纠正了网上普遍存在的绘制错误。正确的PR曲线应以召回率为x轴，精确率为y轴，并展示了如何使用Python及matplotlib正确绘制PR曲线。

最近在对目标检测中的PR曲线做程序实现，发现网上有很多的版本，而且引用https://www.zhihu.com/question/53405779中的一些内容，网上很多的程序在绘制PR曲线中存在一些问题。

使用python+matplotlib 绘制PR曲线的代码应该如下：（其中出现争议的部分是ax.plot(x,y)）根据PR曲线，x轴为Recall， y轴为Precision。网上有些代码是反过来的。从matplotlib的源码中很容易可以发现是错误的。

import matplotlib.pyplot as plt
        
fig, ax = plt.subplots(1, 1, figsize=(5, 5))
ax.plot(recall, precision,color='red')
ax.plot(recall_b, precision_b)
ax.set_xlabel('Recall')
ax.set_ylabel('Precision')
ax.set_xlim(0, 1.01)
ax.set_ylim(0, 1.01)

plt.legend(('a', 'b'), loc='upper right')
fig.tight_layout()
fig.show()

理想的PR曲线两端应该是收敛到1的。从开始的部分精度为1，到结束的部分recall为1.但是可能出现的问题是：有的模型存在一种问题就是（1，信息检索中一定有某几条相关内容（Ground Truth）没有检索出来；2，目标检测中一定有某几个目标（Ground Truth）没有检测出来）,即FN不为0.这样带来的问题就是PR曲线在Recall端无法收敛为0.