Как построить график ложных срабатываний на окно в зависимости от частоты промахов (или вероятности ложной тревоги) и ROC (рабочая кривая приемника) для приложения обнаружения объектов с использованием видео? Как определить количество ложных срабатываний и попаданий? Примером будет очень полезный.
График вероятности ложной тревоги и кривой ROC
Ответы (1)
Это довольно просто. Сохраните все ваши истинные положительные значения (H0) в одном массиве, а все ваши истинные отрицательные значения (H1) — в другом.
Отсортируйте оба списка.
Найдите наибольшее значение из обоих списков и наименьшее значение из обоих списков. Разделите диапазон на соответствующее число (например, 1000), это будет ваш шаг.
Теперь шаг от минимума к максимуму на величину шага.
Для каждого значения оценки найдите точку в массиве h0 и h1, которая больше этого значения. Разделите этот индекс на количество значений в массиве h0/h1 и умножьте на 100 (получив процент).
- Ложный отказ (fr) = процент индекса h0.
- Ложная приемка (fa) = 100 - (процент индекса h1).
Участок фа против, 100 - фр.
Для расчета EER необходимо найти минимальное расстояние между fr и fa, рассчитанное выше.
float diff = fabsf( fr - fa );
if ( diff < minDiff )
{
minDiff = diff;
minFr = fr;
minFa = fa;
}
И затем в конце EER рассчитывается следующим образом:
float eer = (minFr + minFa) / 2.0f;
Изменить: значения, которые вы получаете для H0 и H1, представляют собой просто значения баллов, указывающие на «вероятность» того, что ваше совпадение верно. Вы должны где-то вычислить эти числа, поскольку вы должны принять решение о том, узнаете ли вы свой объект или нет, основываясь на этой оценке.
Список H0 — это баллы, которые вы получаете, когда у вас есть определенные совпадения. Список H1 — это баллы, которые вы получаете, когда у вас есть определенные несовпадения.