Howtosignalprocessing
Ein echtes positives Ergebnis ist, wenn Powerai Vision ein Bild korrekt beschreibt oder kategorisiert. Beispielsweise kategorisieren Sie ein Bild einer Katze als Katze. Falsch positiv. Ein falsch positives Ergebnis ist, wenn Powerai Vision ein Bild kennzeichnet oder kategorisiert, wenn es nicht haben sollte.
- Was sind wahre positive und falsch positive Positive?
- Was ist wahre positive Rate und falsch positive Rate?
- Was sind falsche positive und falsch negative Kantenpixel?
Was sind wahre positive und falsch positive Positive?
Ein wahres Positiv ist ein Ergebnis, bei dem das Modell die positive Klasse korrekt vorhersagt. In ähnlicher Weise ist ein echtes Negativ ein Ergebnis, bei dem das Modell die negative Klasse korrekt vorhersagt. Ein falsches Positiv ist ein Ergebnis, bei dem das Modell die positive Klasse fälschlicherweise vorhersagt.
Was ist wahre positive Rate und falsch positive Rate?
Die wahre positive Rate (TPR, auch Empfindlichkeit bezeichnet) wird als TP/TP+FN berechnet. TPR ist die Wahrscheinlichkeit, dass ein tatsächliches Positiv positiv testet. Die wahre negative Rate (auch als Spezifität bezeichnet), die Wahrscheinlichkeit, dass ein tatsächlicher Negativ negativ testet. Es wird als TN/TN+FP berechnet.
Was sind falsche positive und falsch negative Kantenpixel?
Die falschen positiven (FP) sind die Pixel, die von der Segmentierung im Objekt berücksichtigt werden, die in Wirklichkeit jedoch nicht Teil davon sind, schließlich sind die falsch negativen (FN) die Pixel des Objekts, die die Segmentierung außerhalb des Außenbereichs klassifiziert hat.
