"False Positives Per Window" 的含义
Meaning of "False Positives Per Window"
在论文Histograms of Oriented Gradients for Human Detection（Navneet Dalal 和 Bill Triggs）（见下文 link）中，为了可视化他们的结果，他们使用了ROC曲线，Y轴为TP，X轴为FPPW(False Positives Per Window).
这句话是什么意思FFPW？
我考虑了 3 种可能的选择...我不知道 - 也许它们都是错误的。我们将不胜感激您的帮助：
可能是负样本错误分类率，即：(NUMBER_OF_FALSE_POSITIVES / NUMBER_OF_NEGATIVE_SAMPLES)
或者是误报率/真报警率，即：(NUMBER_OF_FALSE_POSITIVES / NUMBER_OF_TRUE_POSITIVES)
或者可能是整个图像中每个真windows的误报率，
即：(NUMBER_OF_FALSE_POSITIVES / NUMBER_OF_TRUE_SAMPLES)
我很高兴知道其中之一是否正确，或者您是否知道任何其他正确定义。
Link 到论文：
(https://lear.inrialpes.fr/people/triggs/pubs/Dalal-cvpr05.pdf)
它似乎被定义为NUMBER_OF_FALSE_POSITIVES / NUMBER_OF_WINDOWS，其中检测window是64x128移动window。注意在第 4 节的最后一段中指出：
... In a multiscale detector it corresponds to a raw error rate of about 0.8 false positives per 640×480 image tested.
他们有一个 window，他们在图像上移动并评估它是否显示人。
FPPW 衡量的是他们在检测器中检测到其他人的频率 window。它以一种独立于图像大小或人们对特定图像的依赖的方式描述了他们的分类质量。
所以基本上他们会计算他们的哑巴计算机在给它看一些石头或冰淇淋时说 "yes that's a human" 的频率。
我也有同样的困惑。作者声明他们正在使用 DET 曲线s。当您查看关于 DET 曲线的几条 examples 时，您会发现 x 轴实际上是误报率。这意味着 FPPW 是 FALSE_POSITIVE_RATE.
因此FPPW = NUMBER_OF_FALSE_POSITIVES / NUMBER_OF_NEGATIVE_SAMPLES
在论文Histograms of Oriented Gradients for Human Detection（Navneet Dalal 和 Bill Triggs）（见下文 link）中，为了可视化他们的结果，他们使用了ROC曲线，Y轴为TP，X轴为FPPW(False Positives Per Window).
这句话是什么意思FFPW？
我考虑了 3 种可能的选择...我不知道 - 也许它们都是错误的。我们将不胜感激您的帮助：
可能是负样本错误分类率，即：
(NUMBER_OF_FALSE_POSITIVES / NUMBER_OF_NEGATIVE_SAMPLES)或者是误报率/真报警率，即：
(NUMBER_OF_FALSE_POSITIVES / NUMBER_OF_TRUE_POSITIVES)或者可能是整个图像中每个真windows的误报率， 即：
(NUMBER_OF_FALSE_POSITIVES / NUMBER_OF_TRUE_SAMPLES)
我很高兴知道其中之一是否正确，或者您是否知道任何其他正确定义。
Link 到论文： (https://lear.inrialpes.fr/people/triggs/pubs/Dalal-cvpr05.pdf)
它似乎被定义为NUMBER_OF_FALSE_POSITIVES / NUMBER_OF_WINDOWS，其中检测window是64x128移动window。注意在第 4 节的最后一段中指出：
... In a multiscale detector it corresponds to a raw error rate of about 0.8 false positives per 640×480 image tested.
他们有一个 window，他们在图像上移动并评估它是否显示人。 FPPW 衡量的是他们在检测器中检测到其他人的频率 window。它以一种独立于图像大小或人们对特定图像的依赖的方式描述了他们的分类质量。
所以基本上他们会计算他们的哑巴计算机在给它看一些石头或冰淇淋时说 "yes that's a human" 的频率。
我也有同样的困惑。作者声明他们正在使用 DET 曲线s。当您查看关于 DET 曲线的几条 examples 时，您会发现 x 轴实际上是误报率。这意味着 FPPW 是 FALSE_POSITIVE_RATE.
因此FPPW = NUMBER_OF_FALSE_POSITIVES / NUMBER_OF_NEGATIVE_SAMPLES