True Positive,True Negative,False Positive and False Negative

本文详细解释了目标检测中四个核心概念:True Positive(真阳性)、True Negative(真阴性)、False Positive(假阳性/误报)和False Negative(假阴性/漏报),帮助读者理解这些术语在算法评估中的含义。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

在做基于视觉的目标检测的过程中,这四个概念总也记不住,每次都要上网现查一下,干脆现在就放在这里,免得每次找的都很麻烦。

表示分类正确:

  • True Positive:本来是正样例,分类成正样例。
  • True Negative:本来是负样例,分类成负样例。

表示分类错误:

  • False Positive :本来是负样例,分类成正样例,通常叫误报。
  • False Negative:本来是正样例,分类成负样例,通常叫漏报。
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值