如何计算mask rcnn中的TN（true negatives）？
How to calculate TN (true negatives) in mask rcnn?
我正在尝试将 mask-rcnn 架构用于二进制对象检测任务。我想生成用于性能测量的 ROC 曲线，但我不知道应该如何计算 TN（真阴性）。该模型在进一步分析从第一阶段提取的 ROI 后生成掩码。我认为真阴性的数量取决于提取的 ROI 的大小，并且在只有背景或对象的情况下这不是一个有意义的数字。那么这种情况下ROC曲线是如何生成的呢？我研究了 this 篇文章，其中报告了 ROC 曲线，所以很明显我遗漏了一些东西。
提前致谢。
Mask R-CNN 试图通过添加分割能力和检测对象的精确边界来改进更快的 R-CNN。您提到的文章使用了 Faster R-CNN，这是一种对象检测方法，它与边界框一起使用。当生成的边界框不包含任何对象并且算法将其分类为背景时，它被视为 TN（真负）。然而，在分割中，特别是对于医学图像，他们通常使用其他措施进行比较（例如 dice score and IoU). For example, if you look at this article, you can see the accuracy is calculated based on the dice coefficient, which is more appropriate for segmentation tasks. This answer 解释得更完整。
我正在尝试将 mask-rcnn 架构用于二进制对象检测任务。我想生成用于性能测量的 ROC 曲线，但我不知道应该如何计算 TN（真阴性）。该模型在进一步分析从第一阶段提取的 ROI 后生成掩码。我认为真阴性的数量取决于提取的 ROI 的大小，并且在只有背景或对象的情况下这不是一个有意义的数字。那么这种情况下ROC曲线是如何生成的呢？我研究了 this 篇文章，其中报告了 ROC 曲线，所以很明显我遗漏了一些东西。 提前致谢。
Mask R-CNN 试图通过添加分割能力和检测对象的精确边界来改进更快的 R-CNN。您提到的文章使用了 Faster R-CNN，这是一种对象检测方法，它与边界框一起使用。当生成的边界框不包含任何对象并且算法将其分类为背景时，它被视为 TN（真负）。然而，在分割中，特别是对于医学图像，他们通常使用其他措施进行比较（例如 dice score and IoU). For example, if you look at this article, you can see the accuracy is calculated based on the dice coefficient, which is more appropriate for segmentation tasks. This answer 解释得更完整。