【卷积神经网络】常用评价指标总结

评估指标

概述

该评价指标适合分类任务与目标检测，主要用于评估模型的性能。该文章对相关指标进行总结，同时对输出的图片进行学习分析

混淆矩阵的组成

TP（True Positives，真正例）：实际为正例，且被模型正确预测为正例的样本数
FP（False Positives，假正例）：实际为负例，但被模型错误预测为正例的样本数
FN（False Negatives，假负例）：实际为正例，但被模型错误预测为负例的样本数
TN（True Negatives，真负例）：实际为负例，且被模型正确预测为负例的样本数

例如对苹果和橙子的预测

实际情况	模型预测	分析
苹果 (Positive)	预测为苹果 (TP)	检测器正确预测为苹果
苹果 (Positive)	预测为橙子 (FN)	检测器错误预测为橙子（漏检苹果）
橙子 (Negative)	预测为苹果 (FP)	检测器错误预测为苹果（误检橙子）
橙子 (Negative)	预测为橙子 (TN)	检测器正确预测为橙子。

详细分析

准确率

计算方法分析

$\text{Accuracy} = \frac{TP + TN}{TP + TN + FP + FN}$

判断随机检测的100个水果中，哪些水果被正确的分类，真实情况是40个苹果60个橙子，假如检测器的水果的预测结果为

30 个苹果正确检测为苹果（TP = 30）
10 个苹果被误检测为橙子（FN = 10）
5 个橙子被误检测为苹果（FP = 5）
55 个橙子正确检测为橙子（TN = 55）

$\text{Accuracy} = \frac{30 + 55}{30 + 55 + 5 + 10} = \frac{85}{100} = 85\%$

优缺点分析

优点
- 直观简单，可以看出其整体性能如何，适合在类别分布均衡的情况下使用
- 该模型在苹果和橙子数量差不多的情况下，可以很好的反应模型的性能
缺点
- 假如95个橙子和5个苹果，那么就会总是预测出橙子，那么假如此时的情况如下
  - TP = 0（所有苹果都预测为橙子）
  - TN = 95（所有橙子都预测正确）
  - FP = 0（没有误检橙子为苹果
  - FN = 5（所有苹果都被漏检）
- 此时的准确率高达95%，但是检测器完全没有正确识别苹果，所以不可以判定该模型是好的

精确率

计算方法分析

$\text{Precision} = \frac{TP}{TP + FP}$

假如对于包裹的分析，总共有100个包裹，20个有违禁品（正例），80个不含违禁品（反例），此时模型预测结果如下

预测了 15 个包裹含有违禁品，其中：
- 10 个是实际违禁品（TP = 10）
- 5 个是误判的（FP = 5）
剩余的 85 个包裹被预测为正常包裹，其中：
- 10 个是实际违禁品，但被误判为正常包裹（FN = 10）
- 75 个是实际正常包裹（TN = 75）

$\text{Precision} = \frac{10}{10 + 5} = 0.6667 \ (66.67\%)$

优缺点分析

优点
- 精确度可以避免普通包裹的误报也就是减少FP，高精确率意味着系统标记为违禁品的包裹，大部分确实是违禁品
缺点
- 精确率 忽略了实际违禁品中未被识别出来的包裹（FN = 10）。如果只看精确率，这种漏检的情况不会被体现

召回率

计算分析

$\text{Recall} = \frac{TP}{TP + FN}$

继续接着上述检测包裹的例子计算，那么此时的召回率是

$\text{Recall} = \frac{\text{TP}}{\text{TP} + \text{FN}} = \frac{10}{10 + 10} = 0.5 \, (50\%)$

优缺点分析

优点
- 减少漏检（FN）：召回率关注模型是否漏掉正例（FN）。高召回率意味着模型捕获了大多数正例
- 适用于需要高召回率的任务：如癌症筛查或安全检测，FN 会带来严重后果
缺点
- 忽略误报（FP）：召回率不关注误报（FP），可能导致模型过于激进地预测正例，从而产生较多假正例

F1-Score

分析

$F1 = 2 \cdot \frac{\text{Precision} \cdot \text{Recall}}{\text{Precision} + \text{Recall}}$

技术上述对于包裹的检测，那么可以计算出f1为

$\text{F1-Score} = 2 \cdot \frac{\text{Precision} \cdot \text{Recall}}{\text{Precision} + \text{Recall}} = 2 \cdot \frac{0.6667 \cdot 0.5}{0.6667 + 0.5} = 0.5714 \, (57.14\%)$

分类评估

二分类评估

事例说明

例如分析信用卡欺诈行为，真实情况是30笔交易欺诈（正例），70笔交易实正常（反例），那么模型的预测结果如下

预测为欺诈交易的有 40 笔
- 25 笔为真正的欺诈交易（TP = 25）
- 15 笔为误报（FP = 15）
预测为正常交易的有 60 笔
- 5 笔是被漏检的欺诈交易（FN = 5）
- 55 笔为正确的正常交易（TN = 55）

$\text{Accuracy} = \frac{\text{TP} + \text{TN}}{\text{TP} + \text{TN} + \text{FP} + \text{FN}} = \frac{25 + 55}{25 + 55 + 15 + 5} = 80\%$

$\text{Precision} = \frac{\text{TP}}{\text{TP} + \text{FP}} = \frac{25}{25 + 15} = 62.5\%$

$\text{Recall} = \frac{\text{TP}}{\text{TP} + \text{FN}} = \frac{25}{25 + 5} = 83.33\%$

$\text{F1-Score} = 2 \cdot \frac{\text{Precision} \cdot \text{Recall}}{\text{Precision} + \text{Recall}} = 2 \cdot \frac{0.625 \cdot 0.8333}{0.625 + 0.8333} \approx 71.43\%$

多分类评估

例如篮球、鸡、人中的事例，总图片4776张

人的图片数：1748
鸡的图片数：1558
球的图片数：1473

注：截图来源于“炮哥带你学”

$\text{Accuracy} = \frac{1494 + 1244 + 1126}{1748 + 1558 + 1473}$

$\text{Precision} = \frac{1494}{1494 + 195 + 223} = \frac{1494}{1912}$

针对人进行计算

$\text{Recall} = \frac{1494}{1494 + 119 + 135} = \frac{1494}{1748}$

$F1 = 2 \cdot \frac{78.13 \cdot 85.46}{78.13 + 85.46}$

针对鸡计算

$\text{Precision} = \frac{1244}{1244 + 119 + 124} = \frac{1244}{1487}$

目标检测评估

计算回顾

交并比IOU

置信度

存在性得分：预测框中是否存在目标的概率。
类别得分：预测框中目标属于某一类别的概率。

目标检测分析图

归一化的混淆矩阵

主要用于显示 真实类别（True Label） 与 预测类别（Predicted Label） 之间的对应关系

颜色深浅：越接近深蓝色（值越接近 1.00），说明对应的预测和真实类别高度匹配（高准确性）；浅色（值接近 0.00）表示预测和真实类别的重合度较低
对角线：表示预测类别与真实类别完全一致的情况；理论上越接近1那么识别的效果越好
非对角线
- 表示预测错误的情况，即预测类别与真实类别不一致
- 值越大，说明模型在该类别上存在明显误分类
特殊类别（注意）
- Background FN：真实是背景区域，但被误分类为某个目标类别（漏检）
- Background FP：模型误将背景区域预测为目标类别（误报）

F1-Score 与 Confidence 阈值关系图

分析

横轴置信度
- 低阈值（靠近 0）： 模型几乎会将所有预测框保留下来，包括低质量预测框
- 高阈值（靠近 1）： 模型只保留置信度非常高的预测框，从而减少假阳性（FP）
纵轴：F1-Score
- 值越高，表示模型在当前置信度下的精确率和召回率平衡得越好
- 值越低，表示模型的预测质量较差，要么漏检过多（低召回率），要么误检过多（低精确率）

精确率与置信度关系图

分析

横轴置信度
- 低阈值（靠近 0）： 模型几乎会将所有预测框保留下来，包括低质量预测框
- 高阈值（靠近 1）： 模型只保留置信度非常高的预测框，从而减少假阳性（FP）
纵轴：Precision（精确率）
- 衡量模型预测为正例的样本中，有多少是正确的
- 值越高，表示模型预测为正例的置信度越高、准确性越好

Precision-Recall 曲线

分析

理想的目标检测模型希望在 高 Recall 的同时保持 高 Precision，即曲线尽可能靠近右上角

横轴：Recall（召回率）
- 值越高，说明模型能够捕获更多的正例（漏检较少）
- 横轴从 0 到 1，表示召回率从低到高
纵轴：Precision（精确率）
- 值越高，说明模型预测为正例的准确性越高（误报较少）
- 纵轴从 0 到 1，表示精确率从低到高

召回于置信度关系图

分析

类似超时摄像头捕捉顾客行为，目标是捕捉所有顾客（即召回率高），并且准确地识别出每个人（即精确率高）

置信度：摄像头对捕捉到的画面有一个“清晰度分数”（类似置信度），分数越高，表示画面越清晰
- 低置信度（靠近 0.0）： 模型会保留几乎所有预测框，包括高置信度和低置信度的预测框
- 高置信度（靠近 1.0）： 模型仅保留置信度很高的预测框，预测结果更加“谨慎”
召回率：摄像头对所有经过的顾客都能记录下来
- 值越高，说明模型能够捕获更多的正例（漏检少）
- 值为 1.0 时，表示模型捕获了所有的真实正例，没有漏检