Table of Contents
مدل های تشخیص شی امتیاز اعتماد را برای شناسایی احتمال اینکه یک شی شناسایی شده به درستی طبقه بندی شده است، اختصاص می دهند. محاسبه دقیق این نمرات برای بهبود عملکرد مدل و تصمیم گیری آگاهانه بر اساس نتایج تشخیص، این راهنما یک فرآیند روشن و گام به گام برای محاسبه امتیازات اعتماد به نفس در وظایف تشخیص شی فراهم می کند.
درک امتیازات اعتماد
امتیازات اعتماد به نفس به طور معمول از 0 تا 1، که نشان دهنده اطمینان از تشخیص است. نمرات بالاتر نشان می دهد اعتماد به نفس بیشتری است که شیء تشخیص داده شده به درستی شناسایی شده است، این نمرات توسط مدل در طول فرآیند تشخیص تولید می شوند و برای فیلتر و اولویت بندی تشخیص استفاده می شوند.
مرحله 1: استخراج مدل
با استخراج خروجی خام از مدل تشخیص شی شروع کنید، این خروجی معمولا شامل مختصات جعبه، احتمالات کلاس و امتیازات اعتماد به نفس برای هر تشخیص است.
مرحله دوم: درخواست اعتماد به نفس
برای مثال، یک آستانه اعتماد برای فیلتر کردن تشخیص های با اعتماد به نفس پایین تنظیم کنید، تنها تشخیص با نمرات بالاتر از 0.5 معتبر است. تنظیم این تعادل آستانه بین از دست دادن مثبت واقعی و از جمله مثبت کاذب.
مرحله 3: امتیاز اعتماد به نفس نهایی را محاسبه کنید
نمره اعتماد به نفس نهایی برای هر تشخیص را می توان با ترکیب احتمال کلاس و نمره شیتایی محاسبه کرد.یک رویکرد مشترک این است که این دو مقدار را ضرب کنید:
امتیاز اعتماد نهایی = امتیاز بهره وری × × {\displaystyle × }
نکات اضافی
- از سرکوب غیر حداکثری برای از بین بردن تشخیص های همپوشانی استفاده کنید.
- امتیازات اعتماد به نفس را با استفاده از داده های اعتباری برای دقت بهتر تنظیم کنید.
- تجسم امتیازات اعتماد به نفس برای درک کیفیت تشخیص.