Aufgabenstellung

Aufgabenstellung:

Es soll die Qualität des Histogram of oriented gradients (HOG)-Algorithmus mit einer Support Vector Machine (SVM) ermittelt und visualisiert werden. Hierzu sollen folgende Leistungskurven berechnet und angezeigt werden:

true positives-miss rate-Kurve
true positives: Anteil der korrekt als positiv klassifizierten Personen
miss rate: Falsch-Negativ-Rate( das Objekt ist keine Person, die SVM hat das Objekt aber fälschlicherweise als Person erkannt)
Precision-Recall-Kurve
gibt die Genauigkeit der Erkennung von Personen über der Sensitivität an

Bei der Support Vector Machine (SVM) handelt es sich um einen Klassifikator. Die Aufgabe des Klassifikators ist es, zu entscheiden, ob das erkannte Objekt als Person eingestuft wird oder nicht.

Prinzipiell können dabei vier Fälle auftreten, die im Folgenden anhand der Abbildung erklärt werden:

Die rote linke Hälfte repräsentiert Objekte, die Personen sind, die grüne rechte Hälfte repräsentiert Objekte, die keine Personen sind. Jeder Punkt steht für ein Objekt, das von der SVM klassifiziert wurde. Nun die vier Fälle:
- true positive r_p(Punkte auf roter linker Seite) →hit:
das Objekt ist eine Person und die SVM hat dies richtig erkannt
- false negative f_n (Punkte auf linker, grüner Seite der Ellipse)→miss:
das Objekt ist keine Person, die SVM hat das Objekt aber fälschlicherweise als Person erkannt
- false positive f_p (Punkte auf roter, rechter Seite der Ellipse):
das Objekt ist eine Person, die SVM hat das Objekt aber fälschlicherweise nicht als Person erkannt
- true negative r_n (Punkte auf grüner rechter Seite):
das Objekt ist keine Person und die SVM hat dies richtig erkannt

Die vier Fälle fließen durch folgenden Zusammenhang in die Leistungskurven ein:

- true positives-miss rate-Kurve: true positive r_p über missrate

- Precision-Recall-Kurve: precision über recall

Eine Erklärung der Kennwerte ist unter folgendem Link zu finden: http://de.wikipedia.org/wiki/Beurteilung_eines_Klassifikators