Как классифицировать истинные негативы при обнаружении объектов в скользящем окне?

Я собираю результаты из моего алгоритма детектора изображений. Итак, в основном я делаю так, чтобы из набора изображений (размером 320 x 480) я запускал скользящее окно размером 64 x 128 через него, а также в нескольких заранее заданных масштабах.

Я это понимаю:

True Positives = когда мое обнаруженное окно перекрывается (в пределах определенного размера пересечения / центроида) с истинной землей (аннотированные ограничительные рамки)Ложные срабатывания = когда алгоритм дает мне положительные окна, которые находятся за пределами правды.Ложные негативы = когда мне не удалось дать позитивное окно, в то время как аннотация наземной правды утверждает, чтоs объект.

Но что насчетИстинные Негативы ? Являются ли эти истинные негативы всеми окнами, которые мой классификатор дает мне отрицательные результаты? Это звучит странно, так как яя сдвигаю небольшое окно (64x128) по 4 пикселя за раз, и яВокруг 8 различных шкал, используемых для обнаружения. Если бы я это сделал, то я быу меня будет много настоящих негативов на изображение.

Или я готовлю набор чистых негативных изображений (без объектов / человека вообще), где я просто проскальзываю и еслиs одно или несколько положительных обнаружений в каждом из этих изображений, япосчитать это как ложное отрицание, и наоборот?

Вот's пример изображения (с зеленой линией в качестве основной истины)

Ответы на вопрос(2)

Ваш ответ на вопрос