Александр Иванов
09.07.2024 Распознавание

Каковы параметры для хорошего качества работы системы распознавания?

Разбираем на примере, как определить метрики качества и что это такое.

Что такое метрики качества в задачах видеоаналитики:

Знание того, как оценить производительность модели распознавания образов, очень важно для самых разных задач в области искусственного интеллекта, машинного обучения и компьютерного зрения. Ниже я расскажу о некоторых наиболее широко используемых критериях хороших систем распознавания образов.

Предположим, вы работаете над простой задачей классификации изображений для распознавания образов: определить, есть ли на фотографии машина. У вас есть 100 изображений каждого типа (машина или отсутствие машины) в тестовом наборе данных. Первый шаг — разделить результаты вашей модели на четыре типа:

Верные положительные предсказания: модель правильно предсказывает, что на изображении есть машина (TP);Ложноположительные срабатывания: модель предсказывает, что изображение содержит машину, а на самом деле нет (FP);Верные отрицательные предсказания: модель правильно предсказывает, что на изображении нет машины (TN);Ложноотрицательные срабатывания: модель неправильно предсказывает, что на изображении нет машины, а она там есть (FN).

Когда у вас есть цифры для каждого из этих четырех типов, вы можете построить матрицу. Предположим, ваша матрица выглядит так:

True Positive: 98False Positive: 5True Negative: 95False Negative: 2

С помощью этой информации вы можете использовать следующие показатели для оценки производительности вашей модели:

Точность: количество истинных положительных результатов, разделенное на общее количество положительных результатов, которые предсказывает модель. Здесь точность модели для обнаружения машин составляет 98/(98+5) = 95,1%.

Полнота: количество истинных положительных результатов, деленное на общее количество положительных результатов в исходном наборе данных. Здесь полнота модели для обнаружения машин составляет 98/(98+2) = 98%.

Оценка F1: среднее гармоническое точности и полноты, т.е. 2*(точность*полнота)/(точность+полнота). Здесь оценка модели F1 составляет 2 * (95,1 * 98) / (95,1 + 98) = 96,5.

Помимо точности, полноты и оценки F1, еще одним критерием, используемым для оценки моделей машинного обучения и компьютерного зрения, является ROC-AUC. Кривая ROC используется для визуализации производительности модели бинарного классификатора, а AUC («Площадь под кривой») представляет собой показатель для измерения того, насколько хорошо классификатор может отделять сигнал от шума. Если AUC равен 1, модель может идеально разделить положительные и отрицательные классы; если он равен 0, модель неправильно предсказывает все положительные значения как отрицательные, и наоборот. Подробнее о терминах искусственного интеллекта в нашей статье.

Расскажите нам о своём проекте

Отправляя это, вы соглашаетесь с нашей политикой конфиденциальности

Готовые проекты

Наша команда с 2017 года успешно реализовала 54 проекта с искусственным интеллектом. Тут собраны наши лучшие работы, про которые мы можем рассказать, про некоторые совсем немного, а некоторые мы вообще не можем тут упомянуть из-за NDA. Но готовы применять опыт в разработке нейросетей для ваших задач.

bracket
Разработка нейросети
Нейросеть, которая следит за здоровьем коров
Нейросеть, которая следит за здоровьем коров
Разработка крупной системы
Классификация
и распознавание
повреждений автомобилей
Классификация и распознавание повреждений автомобилей
Разработка крупной системы
Анализируем запрещенные
предметы в багаже
при помощи рентгена и ИИ
Анализируем запрещенные предметы в багаже при помощи рентгена и ИИ
Разработка крупной системы
Платформа с единым
реестром интернет-рекламы
Платформа с единым реестром интернет-реклам
Разработка крупной системы
Распознавание
автомобильных номеров
для парковок, ТЦ и БЦ
Распознавание автомобильных номеров для парковок, ТЦ и БЦ
Разработка крупной системы
Контролируем бодрость
сотрудников аэропорта,
чтобы вы улетели в отпуск
Контролируем бодрость сотрудников аэропорта, чтобы вы улетели в отпуск
Сбор данных для обучения ИИ
Устраиваем драки,
чтобы в вашем городе
стало безопаснее
Устраиваем драки, чтобы в вашем городе стало безопаснее
Сбор данных для обучения ИИ
Научили нейросеть распознавать огнестрельное оружие
Научили нейросеть распознавать огнестрельное оружие
Разработка крупной системы
Сделали нейросеть которая распознает возраст – для безопасности и аналитики
Научили нейросеть распознавать огнестрельное оружие
Разработка нейросети
Распознавание рукописного текста на бланках экзаменов
Распознавание рукописного текста на бланках
Разработка крупной системы
Распознаем пустые полки в магазинах чтобы их снова заполнили продуктами
Распознавание рукописного текста на бланках
Разработка крупной системы
Платформа для определения целевой аудитории среди блогеров
Разработка крупной системы
Разработка крупной системы
Распознавание погрузчиков на складах, снижаем риск травм работников
Разработка крупной системы
Разработка нейросети
Повышаем качество снимков с дрона, чтобы их было проще обрабатывать
Разработка нейросети

Создадим проект мечты вместе

Напишите нам в Telegram о подробностях вашего проекта, и мы проведем бесплатную консультацию по автоматизации вашего бизнеса
Наверх