在论文人体检测的定向梯度直方图(Navneet Dalal 和 Bill Triggs)(请参阅下面的链接)中,为了可视化他们的结果,他们使用了 ROC 曲线,其中 Y 轴是TP 和 X 轴是FPPW(每个窗口的误报数)。
这句话FFPW
的含义是什么?
我考虑了 3 种可能的选择...我不知道 - 也许它们全都是错的。我们将不胜感激您的帮助:
可能是错误分类负样本的比率,即:
(NUMBER_OF_FALSE_POSITIVES/NUMBER_OF_NEGATIVE_SAMPLES)
或者可能是误报与真实警报的比率,即:
(NUMBER_OF_FALSE_POSITIVES/NUMBER_OF_TRUE_POSITIVES)
或者可能是整个图像中每个真实窗口的误报率, 即:
(NUMBER_OF_FALSE_POSITIVES/NUMBER_OF_TRUE_SAMPLES)
我很高兴知道其中一个是否正确,或者您是否知道任何其他正确的定义。
论文链接: (https://lear.inrialpes.fr/people/triggs/pubs/Dalal-cvpr05.pdf)
最佳答案
它似乎被定义为NUMBER_OF_FALSE_POSITIVES/NUMBER_OF_WINDOWS
,其中检测窗口是64x128
移动窗口。请注意第 4 节的最后一段指出:
... In a multiscale detector it corresponds to a raw error rate of about 0.8 false positives per 640×480 image tested.
关于machine-learning - "False Positives Per Window"的含义,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/35868394/