如何绘制未命中率与误报率？

Question

我有一个问题是绘制未命中率与误报率的曲线，以分析我提出的系统的性能（如下图所示）。我有两个样本数据集用于正样本和负样本。我想绘制我的系统的性能，是否可以用此曲线对人或非人进行分类。

据我所知，我需要在分类后获得True Positive和False Positive值，但我不确定如何绘制曲线。任何人都可以帮忙吗？

Answer 1

自MATLAB R2017a起，您可以使用evaluateDetectionMissRate函数。

[logAverageMissRate,fppi,missRate] = evaluateDetectionMissRate(detectionResults,groundTruthData) 

此函数返回用于绘制MR-FPPI对数曲线的数据点。 （MR：错率，FPPI：每个图片误报）。

有关其用法的示例，请在MATLAB中键入doc evaluateDetectionMissRate命令或转到here。

Answer 2

对象检测中有两种类型的边界框，数据集标记主题为对象的框，第二种是算法检测到的框。

如果您的bbox与数据集bbox有巨大交集，则 okey 。

如果您的bbox与数据集bbox的交叉点 NOT ，则 False Posative 。

我们在图片 MISS Rate 中调用所有数据集bbox而不与您的bbox交叉。在计算这些数字后，直接绘制这些值。

Answer 3

您可以使用以下GitHub repo来绘制MR与FPPI的关系图。似乎代码只计算了mAP，但功能远不止于此。它还计算未命中率，每幅图像的误报率和对数平均未命中率。所有这些都是在repo（第81行）中存在的main.py文件中计算的，但未作图。您所要做的只是使用matplotlib（或任何其他模块）绘制MR vs FPPI。只需按照自述文件开始。 希望这会有所帮助！