type
status
date
slug
summary
tags
category
icon
password
Last edited time
Jul 16, 2024 02:50 PM
😀
异常检测常用检测指标——I-AUROC,P-AUROC,AUPRO,AUPR
 

📝 主旨内容

混淆矩阵

💡
1为异常，0为正常
notion image

准确率(Accuracy)

💡
分类对的样本数除以总样本数

召回率，查全率(Recall)，真阳性率(TPR)

💡
实际为异常样本中有多少被预测为异常

查准率(Precision)

💡
预测为异常样本中有多少为实际样本

F1分数

💡
避免正负样本不平衡，使用召回率和查准率的调和平均数

误检率，假阳性率(FPR)

💡
有多少实际为正常的样本被预测为异常

ROC曲线(Receiver Operating Characteristic curve)

notion image

举例

💡
阈值不断变化，会得到多个不同的混淆矩阵，也就能够得到多个以FPR为横坐标，TPR为纵坐标的点
notion image
notion image

AUROC(Area Under the Receiver Operating Characteristic curve，ROC曲线下面积)

I-AUROC(Image Level AUROC)

💡
取各个每个异常图内的异常分数最大值待阈值确定进行比较，超过阈值被认定为异常

P-AUROC(Pixel Level AUROC)

💡
将各个异常图展开每个值为基准待阈值确定进行比较，超过阈值被认定为异常

PRO(Per-Region Overlap)

💡
用于评估图像中每个区域（通常是像素或更大的图像块）的预测结果与实际结果的重叠程度

IOU(Intersection over Union)

notion image

AUPRO(Area Under the Per-Region Overlap)

notion image

PR(Precision-Recall)

💡
模型在不同阈值下的精度（Precision）和召回率（Recall）的变化关系
💡
它特别适合用于不平衡数据集的评估，因为它专注于异常的性能。

AUPR(Area Under the Precision-Recall)

notion image

🤗 总结归纳

 

📎 参考文章

缺陷异常检测及定位性能评价指标–AUROC，PRO(per-region-overlap)-CSDN博客
文章浏览阅读8.4k次，点赞16次，收藏71次。缺陷检测及定位性能评价指标_auroc
缺陷异常检测及定位性能评价指标–AUROC，PRO(per-region-overlap)-CSDN博客
https://blog.csdn.net/weixin_44146238/article/details/129133127
神经网络常见评价指标超详细介绍（ROC曲线、AUC指标、AUROC）-CSDN博客
文章浏览阅读2.8w次，点赞46次，收藏174次。ROC曲线：接受者操作特征曲线（receiver operating characteristic curve）。ROC空间将伪阳性率（FPR）定义为 X 轴，真阳性率（TPR）定义为 Y 轴。从 (0, 0) 到 (1,1) 的对角线将ROC空间划分为左上／右下两个区域，在这条线的以上的点代表了一个好的分类结果（胜过随机分类），而在这条线以下的点代表了差的分类结果（劣于随机分类）。..._auroc
神经网络常见评价指标超详细介绍（ROC曲线、AUC指标、AUROC）-CSDN博客
https://blog.csdn.net/didi_ya/article/details/125141195
相关文章
PatchCore内存库中核心集的选择
2024年异常检测顶会汇总
WinCLIP——首次探索零样本异常分类和分割
AnoVL——使用CLIP用于零样本异常定位
模态融合的SimpleNet
开题报告
少样本+多视角 less is moretmux常用命令
Loading...