Detectiefouten: Difference between revisions

From Control Systems Technology Group
Jump to navigation Jump to search
Line 20: Line 20:
Vaak worden deze vier types vergeleken met behulp van precisie en recall:
Vaak worden deze vier types vergeleken met behulp van precisie en recall:


Precisie = True Positive / (True Positive + False Positive)
'''Precisie''' = True Positive / (True Positive + False Positive)


Precisie is hoog als alle objecten die gedetecteerd zijn, ook goed zijn.
Precisie is hoog als alle objecten die gedetecteerd zijn, ook goed zijn. Echter, als dit samengaat met veel gemiste objecten (die gedetecteerd zouden moeten worden, maar dat niet zijn), blijft de precisie hoog.


Recall = True Positive / (True Positive + False Negative)
'''Recall''' = True Positive / (True Positive + False Negative)


Recall is hoog als alle objecten die gedetecteerd zouden moeten zijn, dat ook zijn.
Recall is hoog als alle objecten die gedetecteerd zouden moeten zijn, dat ook zijn. Hierbij maakt het dus niet uit hoeveel andere objecten er nog (onterecht) gedetecteerd zijn.  


<br>
Een goed systeem bestaat dus uit een trade-off tussen precisie en recall.
 
Een goed systeem bestaat uit een trade-off tussen precisie en recall.

Revision as of 12:27, 8 December 2015

Types

Detectiefouten komen voor als de object detectie niet overeenkomt met de werkelijkheid. Over het algemeen kan een detectie een van de volgende 4 types zijn:

  • True Positive

Het object is gedetecteerd, en dat is ook de bedoeling. Dit is het doel van de detectie.

  • False Positive

Het object is gedetecteerd, maar dat was niet de bedoeling. Dit is dus een fout, die vaak net zo slecht kan zijn voor een programma als een false negative.

  • False Negative

Het object is niet gedetecteerd, maar dat zou wel moeten. Dit is de 'standaard' detectiefout.

  • True Negative

Het object is niet gedetecteerd, en dat moet ook niet. Dit is dus ruis dat weggefilterd is.

Performance

Vaak worden deze vier types vergeleken met behulp van precisie en recall:

Precisie = True Positive / (True Positive + False Positive)

Precisie is hoog als alle objecten die gedetecteerd zijn, ook goed zijn. Echter, als dit samengaat met veel gemiste objecten (die gedetecteerd zouden moeten worden, maar dat niet zijn), blijft de precisie hoog.

Recall = True Positive / (True Positive + False Negative)

Recall is hoog als alle objecten die gedetecteerd zouden moeten zijn, dat ook zijn. Hierbij maakt het dus niet uit hoeveel andere objecten er nog (onterecht) gedetecteerd zijn.

Een goed systeem bestaat dus uit een trade-off tussen precisie en recall.