深度学习 点

1. 深度学习评价指标     

　　label 　　　　precision

TP:True 　　　　Positive;

FP:False 　　　  Positive

TN:Ture 　　　　Negative

FN:False　　　　Negative

precision rate（查准率）=tp/tp+fp(检出相关文件数/检出文献总数)                   　　误检率=fp/fp+tp（检出不相关文件数/检出文献总数）

 

recall rate(查全率)=tp/tp+fn     　　　　　　　　　　　　　　　　　　　　　　   漏检率=fn/fn+tp

 （以上好像是中文的定义）

FPR=FP/FP+TN  不等于 误检率

 

 

 

source：https://baike.baidu.com/item/%E8%AF%AF%E6%A3%80%E7%8E%87/20823672

https://en.jinzhao.wiki/wiki/Sensitivity_and_specificity

2. anchor

faster rcnn 中的anchor基于featuremap的，featuremap是输入图像stride=16下采样的结果，其scale就是相对于16*16而言的，以featuremap中的每一点对应于输入图像的点为中心点，做scale=n的不同radio的框。

如scale=8（也就是尺度为stride*8大小），那么就是16*8  *  16*8 大小=128*128大小的anchor，

source：   https://www.codenong.com/cs111039932/