PHÂN BIỆT TP, FP.

TN, FN

True Positives (TP): đối tượng được phát hiện và phân loại đúng với IoU > threshold.

False Positives (FP): vùng không có đối tượng nhưng bị phân loại thành có đối tượng với
Iou < Threshold.

True Nagative (TN): trường hợp vùng không có đối tượng được máy phân loại đúng là
Background.

False Nagetive (FN): đối tượng bị bỏ qua và không được phát hiện.

VÌ SAO CÓ ĐỒ THỊ PRECISION – RECALL.

Ta có công thức tính Precision và Recall như sau:

TP
Precision=
TP+ FN

TP
Recall=
TP+ FP

Như vậy ta có thể thấy để đánh giá đâu là lớp Positive đâu là lớp Nagative thì người ta
con dựa vào giá trị Threshold. Khi ta thay đổi giá trị Threshold, dẫn đến bảng confusion
matrix cũng thay đổi làm cho chỉ số Precision và Recall cũng thay đổi theo.

Chỉ số Threshold này chính là Confidence Score, ứng với một giá trị confidence Score thì
ta sẽ có một cặp giá trị Precision và Recall tương ứng. từ đó ta sẽ có đồ thị Precision –
Recall khi Confidence Score thay đổi từ 1 đến 0.