precision(정밀도), recall(재현율)

정밀도와 재현율 위키

확률 통계쪽 분야에서 사용한다고 들었는데, 영상쪽에서는 주로 인식률에 대한 지표로 사용한다.

이를 알기 위해 먼저 네가지 지표를 알아야 하는데 아래 표와 같다. 

TP(True Positive), FP(False Positive), FN(False Negative), TN(True Negative)

표를 보면 어렵지 않다. 

객체 인식률을 확인한다고 하였을 때,

1. TP : 객체가 있는데 정확히 인식한 경우

2. FN : 객체가 있으나 인식하지 못한 경우

3. FP : 객체가 없음에도 인식한 경우

4. TN : 객체가 없는데 인식하지 않은 경우(사실 인식에서는 계산하기가.. )

그림이 있다면 설명이 더 편해질 것 같다. (추후 추가 예정)

		실제 정답
		True	False
실험 결과	Positive	True Positive	False Positive(Type 1 error)
	Negative	False Negative(Type 2 error)	TrueNegative

위키에 따르면 정밀도(precision)와 재현율(recall)은 아래와 같은 식으로 재현된다.

객체 검출에서,

정밀도는 결국 모든 검출된 것들 중 실제 맞는 검출의 비율이다. (모든 검출 - positive - 실험결과)

재현율은 모든 객체 중 실제 검출된 것의 비율이다. (모든 객체 - true - 실제 객체(정답))

다른 방법의 계산도 있지만 

${\displaystyle {\text{Recall}}={\frac {tp}{tp+fn}}\,}$

위키에 보니 다른 기준도 많지만 객체 인식률을 계산할 때 주로 이 두개를 사용하여 정리하였다.