我正在尝试评估试图检测视频中的对象的计算机视觉程序的性能。我有3个不同版本的程序，它们具有不同的参数。
我已经对每个版本进行了基准测试，并获得了3对（误报百分比，误报百分比）。
现在，我想相互比较版本，然后我想知道将误报和误报合并为一个值并进行比较是否有意义。例如，采用公式falsePositives / falseNegatives并查看哪个较小。
最佳答案
其他一些可能的解决方案：
-您的假阳性率（fp）和假阴性率（fn）可能取决于阈值。如果在y值为（1-fn）且x值为（fp）的位置绘制曲线，则将绘制接收器-运算符-特征（ROC）曲线。 ROC曲线下面积（AUC）是一种常用的质量度量。
如果有某些感兴趣的区域，可以对-AUC加权
-报告平均错误率。对于某个阈值，fp = fn。报告此值。