虚警概率和 ROC 曲线图

Question

对于使用视频的对象检测应用程序，如何绘制每个窗口的误报率与未命中率（或误报概率）和 ROC（接收器操作曲线）的关系图？如何确定误报和命中的数量？示例将非常有用。

Answer 1

它非常简单。将所有真阳性 (H0) 值存储在一个数组中，将所有真阴性 (H1) 值存储在另一个数组中。

对两个列表进行排序。

从两个列表中查找最大值和从两个列表中查找最小值。将范围除以适当的数字（例如 1000），这将是您的步骤。

现在按步长值从最小值到最大值。

对于每个评估值，在 h0 和 h1 数组中找到大于该值的点。将此索引除以 h0/h1 数组中的值数，然后乘以 100（给您一个百分比）。

• 错误拒绝 (fr) = h0 指数百分比。
• 错误接受 (fa) = 100 - (h1 指数百分比)。

绘制 fa 对，100 - fr。

要计算 EER，您需要找到上面计算的 fr 和 fa 之间的最小距离。

float diff = fabsf( fr - fa );
if ( diff < minDiff )
{
    minDiff = diff;
    minFr   = fr;
    minFa   = fa;
}

然后最后计算 EER 如下：

float eer = (minFr + minFa) / 2.0f;

编辑：您获得的 H0 和 H1 值只是分数值，表示您的匹配正确的“可能性”。您必须在某个地方计算这些数字，因为您必须根据此分数来决定是否识别您的对象。

H0 列表是您在确定匹配时获得的分数。 H1列表是当你有明确的不匹配时你得到的分数。