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 отрицания = когда мне не удалось дать положительное окно, в то время как аннотация наземной правды утверждает, что есть объект.Но что насчетИстинные Негативы ? Являются ли эти истинные негативы всеми окнами, которые мой классификатор дает мне отрицательные результаты? Это звучит странно, так как я сдвигаю небольшое окно (64x128) на 4 пикселя за раз, и у меня есть около 8 различных шкал, используемых для обнаружения. Если бы я сделал это, то у меня было бы много настоящих негативов на изображение.
Или я готовлю набор чистых негативных изображений (никаких объектов / человека вообще), где я просто проскальзываю, и если в каждом из этих изображений есть одно или несколько позитивных обнаружений, я бы посчитал их ложными негативными, и порок наоборот?
Вот пример изображения (с зелёными буквами в качестве основной истины)