深度学习中的性能参数名称

1.FPS

是图像领域中的定义bai: FPS (Frames Per Second):每秒传输帧数(考察实时性)。 Frames Per Second更确切的解释是“每秒钟填充图像的帧数(帧/秒)”。 FPS 是测量用于保存、显示动态视频的信息数量。通俗来讲就是指动画或视频的画面数。例如在电影视频及数字视频上,每一帧都是静止的图象;快速连续地显示帧便形成了运动的假象。每秒钟帧数 ( FPS ) 愈多,所显示的动作就会愈流畅。通常,要避免动作不流畅的最低 FPS 是30。某些计算机视频格式,每秒只能提供15帧。 这里的“ FPS ”也可以理解为我们常说的“刷新率(单位为Hz)”,例如我们常在CS游戏里说的“ FPS 值”。我们在装机选购显卡和显示器的时候,都会注意到“刷新率”。一般我们设置缺省刷新率都在75Hz(即75帧/秒)以上。例如:75Hz的刷新率刷也就是指屏幕一秒内只扫描75次,即75帧/秒。而当刷新率太低时我们肉眼都能感觉到屏幕的闪烁,不连贯,对图像显示效果和视觉感观产生不好的影响。 电影以每秒24张画面的速度播放,也就是一秒钟内在屏幕上连续投射出24张静止画面。有关动画播放速度的单位是fps,其中的f就是英文单词Frame(画面、帧),p就是Per(每),s就是Second(秒)。用中文表达就是多少帧每秒,或每秒多少帧。电影是24fps,通常简称为24帧。

2.TP、FP、TN、FN

概念:

 

考虑一个二分类的问题,系统需要将样本分为真(positive),假(negative)两类。

下图的方框代表所有需要预测的样本,黄色圆圈内代表系统预测是真(positive)的样本,绿色圆圈内代表实际情况为真(positive)的样本。

所以黄绿交叉的部分是系统预测为真,实际情况也是真,系统预测正确(True)的True Positive,TP;

黄色圆圈以外的绿色部分是系统预测为假而实际上为真的样本,系统预测错误(False)的False Negatives,FN;

绿色圆圈以外的黄色部分即为系统预测为真,然而实际为假的样本,系统预测错误(False)的False Positives,FP;

最后,灰色部分为系统预测为假,实际也为假,系统预测正确(True)的True Negatives,TN。

3.AP/MAP

AP衡量的是系统在单个类别上的好坏,MAP衡量的是学出的模型在所有类别上的好坏,得到各个类别上的AP后,MAP就是取所有AP的平均值。

 

 4.IOU

举例如下:绿色框是准确值,红色框是预测值。

 

原文地址:https://www.cnblogs.com/Ph-one/p/14113265.html