我有一些图像用于测试对象检测分类器。
我会让分类器输出它认为目标对象所在的矩形的坐标，但我想知道结果是如何测试的？
我猜我应该有一个真实物体位置坐标的参考文件，我可以用它来比较分类器的结果。
如果分类器确实进行了正确的分类，只是坐标与参考文件中的坐标不完全相同怎么办？
这通常如何解决？
答案 0 :(得分：0)
答案取决于您要使用的方法。其中一个你提出的，在这种情况下，我会为不良检测情况设置一个固定的可能错误率，如果分类器结果在数据测试文件中的一个示例的错误间隔内，则被认为是正确的分类的例子。当然，这个固定的错误率应该小到不要在数据集中“过度检测”。
我建议尝试cross-validation作为测试分类器的技巧。从数据集中，它选择一些向量（图像）作为测试集，其余的作为训练集。重复几次并平均误差，导致估计的分类器错误。而且您不必拥有单独的数据测试集，也不必担心您所说的问题。