Ich sammle Ergebnisse von meinem Bilderkennungsalgorithmus. Im Grunde genommen tue ich das so, dass ich aus einer Reihe von Bildern (mit der Größe von 320 x 480) ein Schiebefenster von 64 x 128 durchlaufe und auch unter einer Reihe von vordefinierten Maßstäben.

Ich verstehe das:

True Positives = wenn mein erkanntes Fenster (innerhalb der definierten Schnittgröße / Schwerpunkt) mit der Grundwahrheit (mit Anmerkungen versehene Begrenzungsrahmen) überlapptFalse Positives = wenn der Algorithmus mir positive Fenster gibt, die außerhalb der großen Wahrheit liegen.False Negatives = wenn es mir nicht gelungen ist, ein positives Fenster zu geben, während die Annotation der Grundwahrheit besagt, dass es ein Objekt gibt.

Aber was ist mitWahre Negative ? Sind diese echten Negative alle Fenster, die mein Klassifikator mir negative Ergebnisse liefert? Das hört sich komisch an, da ich ein kleines Fenster (64x128) um ​​jeweils 4 Pixel schiebe und ungefähr 8 verschiedene Maßstäbe für die Erkennung verwendet habe. Wenn ich das machen würde, hätte ich viele echte Negative pro Bild.

Oder bereite ich eine Reihe von reinen Negativbildern vor (überhaupt keine Objekte / Menschen), durch die ich einfach schiebe, und wenn in jedem dieser Bilder eine oder mehrere positive Erkennungen vorhanden sind, würde ich sie als falsches Negativ und umgekehrt zählen umgekehrt?

Hier ist ein Beispielbild (mit grünen Rechtecken als Grundwahrheit)