Модель классификации объектов изображений по нескольким меткам и классам

Abstract

Многозначная или классификация по нескольким меткам обрабатывает несколько классов одновременно, учитывая коррелированное поведение между ними. Для метаоценки решения задач многозначной классификации использовались: средняя точность, матрица неточностей (confusion matrix), площадь под кривой рабочих характеристик приемника (Area Under the Receiver Operating Characteristic Curve – ROC AUC) по оценкам прогнозов, точность (Precision) и полнота (Recall) для классов, F–мера (F-score). Установлено, что ни изменение скорости кода и других параметров ECOC, ни изменение алгоритмов оценки классификации не привели к изменению значений точности и полноты.