涉及领域不多的机器学习爱好者经常会把IoU,ROI 和 ROC,AUC 这样的评价函数(Metric functions)搞混。其实记住它们也没那么难,David 9今天就来帮大家理一理:
1. IoU (Intersection over Union),交集并集比
2. ROI (region of interest) , 感兴趣区域
3. ROC (Receiver Operating Characteristic curve) 受试者工作特征曲线
4. AUC (Area Under the Curve) , 曲线下区域
首先要区分,前两个是目标检测领域的术语;后两个是从医疗领域引进的,但是所有机器学习准确率都可能用到该指标。
最容易理解的是第2个ROI,我们做任何目标检测在准备数据集时都要选择感兴趣区域, 我们之前的文章也提到过:
labelImg 就是一个不错的标注工具。帮助你选择目标检测的感兴趣框。是的这不是一个评价函数,是一个概念而已。 继续阅读做机器学习,再别把IoU,ROI 和 ROC,AUC 搞混了 !聊聊目标检测,医疗领域的那些评价函数