本文共 362 字，大约阅读时间需要 1 分钟。

数据集和基准

检测目标必须声明目标属于指定的类并在图像中对其进行本地化。

目标的定位通常由一个包围框表示。使用具有挑战性的数据集作为基准在许多研究领域都具有重要意义，因为它们能够在不同算法之间进行标准比较，并为解决方案设定目标。

早期的算法侧重于使用各种特殊数据集的人脸检测。

后来，更现实和更具挑战性的人脸检测数据集被创建。另一个流行的挑战是检测已经为其创建了多个数据集的行人。

Caltech行人数据集包含35万个带边框的带标记实例。PASCAL VOC、MS COCO、ImageNet-loc等通用对象检测数据集是对象检测任务的主流基准。

主要采用官方度量来度量具有相应数据集的检测器的性能。

MR 漏检率   log

在进行目标检测之前，需要了解一下目标检测中常使用的评价指标，这样能够更好地帮着我们了解模型的实用性。

转载地址：http://pcdlf.baihongyu.com/