Jag läser en vetenskaplig uppsats om bildklassificering. I experimentresultaten talar de om top-1 och top-5 noggrannhet men jag har aldrig hört talas om termen, inte heller kan jag hitta den med google.
Kan någon ge mig en definition eller peka mig någonstans? :)
I topp 5-noggrannhet ger du dig själv kredit för att du har rätt svar om rätt svar visas i dina fem gissningar.
Jag hittade den här förklaringen av en Nathan Yan på Quora
Top-N-noggrannhet betyder att rätt klass får vara i Top-N-sannolikheten för att den ska räknas som "korrekt". Anta att jag har en datauppsättning med bilder
För var och en av dessa förutsäger modellen en klass som kommer att visas bredvid rätt klass i citat
Topp-1-noggrannheten för detta är (5 rätt av 8), 62,5%. Antag att jag också listar ut resten av klasserna som modellen förutspådde, i fallande ordning efter deras sannolikheter (ju längre till höger klassen visas, desto mindre troligt tror modellen att bilden är tatklass)
- Hund "Hund, katt, fågel, mus, pingvin" - Katt "Fågel, mus, katt, pingvin, hund" - Hund “Hund, katt, fågel, pingvin, mus” - Fågel "Fågel, katt, mus, pingvin, hund" - Katt "Katt, fågel, mus, hund, pingvin" - Katt "Katt, mus, hund, pingvin, fågel" - Mus “Penguin, Mouse, Cat, Dog, Bird” - Pingvin "Hund, mus, pingvin, katt, fågel"
Om vi tar top-3-noggrannheten för detta behöver rätt klass bara vara i de tre bästa förutsagda klasserna för att räkna. Som ett resultat, trots att modellen inte får alla problem perfekt, är dess topp-3-noggrannhet 100%!