于营，杨婷婷，杨博雄

（1.三亚学院信息与智能工程学院，三亚572011；2.三亚学院陈国良院士创新中心，三亚572011）

0 引言

在计算机视觉中，对象检测即在图像中定位一个或多个目标。除了传统的对象检测技术外，R-CNN和YOLO（You Only Look Once，一种先进的实时目标检测系统）等先进的深度学习模型，可以对不同类型的目标实现较为精准的检测。在这些模型中输入图像，将会返回每个检测到的对象周围的边界框的坐标。

1 混淆矩阵

1.1 二元分类的混淆矩阵

二元分类（Binary classification），又称“二向分类”。在包含两类事项的比较研究中，按两个标识所作的分类，标识常记作1和0，或正和负，或恶性与良性（如问题与癌症分类有关），或成功与失败（如学生考试成绩的分类）。

假设存在一个带有正负两类的二元分类问题。用于训练模型的7个样本的标签记作：[positive，negative，positive，negative，positive，positive，negative]。当将这些样本提供给模型时，模型不一定返回类标签，而是返回分数。例如，当将这7个样本提供给模型时，它们的类别得分可能为：[0.6，0.2，0.55，0.7，0.4，0.9，0.5]。用户可以针对这些得分设置阈值，从而使每个样本赋予类标签。阈值即模型的超参数，设本例中阈值是0.6，然后任何高于或等于0.6的样本都会被赋予正标签，否则赋予负标签。则可以得到样本的预测标签为：[positive（0.6），negative（0.2），negative（0.55），positive（0.9），negative（0.4），positive（0.8），negative（0.5）]。

为提取模型性能的更多信息，可以使用混淆矩阵。混淆矩阵有助于我们在区分两个类别时鉴别模型是否“混淆”。图1是一个2×2矩阵，两行和两列的标签分别为正向和负向。行标签代表真实值标签，而列标签代表预测值标签。

图1 二元分类混淆矩阵