受试者操作特征图形

受试者操作特征 特征是图像上可进行视觉辨识的区域。特征通常代表对应用相关的内容（缺陷、对象、对象的特定部分）。 (ROC 接收器操作特征 (ROC) 是一种图形工具，能够对特定训练参数集合用于特定训练图像集时所表现的精度和召回之间的权衡进行可视化与分析。) 是一种图形工具，能够对特定训练 训练是您的工具（神经网络）根据您的标注学习特征（像素）的过程。例如，工具将根据您绘制的缺陷/正常标注，学习每个图像中的缺陷/正常像素。工具训练的目标是充分学习，能够对未见过的图像是否缺陷给出正确的检测结果。训练的关键是确保将所有可能的变化都包括在训练集中，并且图像被正确标注。训练时间因应用程序、工具设置以及用于训练网络的 PC 中的 GPU 而异。参数集合用于特定训练图像集 特定应用的图像集合。训练图像集是指通过运行时系统的光照、光学和机械特性以一致方式采集的，特定部件或工艺过程的图像集合。训练图像集包括体现图像外观变化的图像，并且在正常操作中会出现这些图像外观。时所表现的精度和召回之间的权衡进行可视化与分析。在给定特定阈值的情况下，该图衡量了灵敏度相对于特异性的变化情况。

• 灵敏度是检测正值结果（存在缺陷）的能力。
• 特异性是指检测负值结果（无缺陷）的能力。

这是通过评估两个阈值之间的结果来执行的。

曲线下面积 (AUC)

曲线下面积 (AUC) 确定获得结果的程度。通常，对于 AUC，1 是完美的结果；高于 .8 的结果都是良好结果（一般来说）；.5 则是完全随机的。

AUC 独立于任何阈值，并且仅基于分数的排名提供统计测试，而不对分数分布进行假设。AUC 是对分类器分类能力的有力测量。

AUC：

• 0.5 为随机分类器
• 1 是指完美区分的分类器
• 不是百分比
• 独立于任何阈值