Qualidade de Classificações de Sistemas de Reconhecimento de Cenas Paulo Sérgio Rodrigues PEL205.

Apresentação em tema: "Qualidade de Classificações de Sistemas de Reconhecimento de Cenas Paulo Sérgio Rodrigues PEL205."— Transcrição da apresentação:

1 Qualidade de Classificações de Sistemas de Reconhecimento de Cenas Paulo Sérgio Rodrigues PEL205

2 Dicotomia Binária: Classificação Padrões de Imagens

3

4

5

6

7 Dicotomia Binária: Exemplo

8 Classificadores Estatísticos Ótimos

9

10 Classificador Bayesiano O classificador que atribui x à classe que minimiza o erro médio total é chamado de classificador Bayesiano

11 Classificador Bayesiano

12

13 Substituindo …. Classificador Bayesiano

14

15

16 Se aproximarmos as distribuições dos padrões por gaussianas, teremos: Classificador Bayesiano para distribuição gaussiana

17

18 Chapter 12 Object Recognition Chapter 12 Object Recognition

19 Chapter 12 Object Recognition Chapter 12 Object Recognition

20 Chapter 12 Object Recognition Chapter 12 Object Recognition

21 Curva ROC

22 Sensibilidade É a propoção de verdadeiros positivos : a capacidade do sistema em predizer corretamente a condi ç ão para casos que realmente a têm `. SENS = ACERTOS POSITIVOS / TOTAL DE POSITIVOS = VP / (VP + FN)

23 Curva ROC Especificidade É a proporção de verdadeiros negativos: a capacidade do sistema em predizer corretamente a ausência da condi ç ão para casos que realmente não a têm. SPEC = ACERTOS NEGATIVOS / TOTAL DE NEGATIVOS = VN / (VN + FP)

24 Curva ROC

25 Curva Precição x Revocação (PR) Uma curva PR serve para medir a qualidade de uma ordenação classificatória

26 Curva Precição x Revocação (PR) EXEMPLO