《表2 火灾检测的Bootstraping AP》
注:α=0.05。
(2)自助法(有放回采样)平均精度(Bootstrapping AP)和Rank准确度。据统计,单组样本的平均估计精度为点估计。在不同的测试集下,点估计值也会波动,它会以一定概率落入一个置信区间,不同算法的置信区间重叠。因此,单一测试集的点估计无法比较两种算法的相对优势。参考文献[16]的PASCAL VOC Challenge,使用bootstrap方法生成1 000个bootstrap副本,其中数据点通过从原始的n个测试点采样来替换;然后重复bootstrap对算法1 000次求值,生成点估计θ1*,θ2*,…,θ1*000;每个算法平均精度的置信区间为(θ*α/2,θ*1-α/2)(在1-α水平上),利用置信区间比较两种算法之间是否存在显著性差异;最后估计Rank的范围。表2展示了火灾检测的Bootstraping AP,由表中数据结果可以看出,基于YOLOv3算法的火灾检测的平均精度与其他两种算法相比存在显著性差异,但其他两者之间的差异并不显著。
图表编号 | XD00186871800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.01 |
作者 | 陈津徽、张元良、赵先杰 |
绘制单位 | 江苏海洋大学机械与海洋工程学院、江苏海洋大学机械与海洋工程学院、江苏海洋大学机械与海洋工程学院 |
更多格式 | 高清、无水印(增值服务) |