c - 误报概率图和 ROC 曲线

Question

如何为使用视频的对象检测应用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)的图表？如何确定误报和命中的数量？一个例子是很有用。

Answer 1

它很简单。将所有真正 (H0) 值存储在一个数组中，将所有真负 (H1) 值存储在另一个数组中。

对两个列表进行排序。

从两个列表中找出最高值，从两个列表中找出最低值。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到最大步进。

对于每个评估值，找到 h0 和 h1 数组中大于该值的点。将此索引除以 h0/h1 数组中的值数并乘以 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 反对，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 EER 计算如下:

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

编辑 :您获得的 H0 和 H1 值只是表示您的匹配正确的“可能性”的分数值。您必须在某处计算这些数字，因为您必须根据此分数决定是否识别出您的对象。

H0 列表是您在确定匹配项时获得的分数。 H1 列表是您在确定不匹配时获得的分数。