1、资源内容：基于Python绘制PR曲线与ROC曲线（完整源码+说明文档+数据）.rar 2、代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 3、适用对象：计算机，电子信息工程、数学等专业的大学生课程设计和毕业设计。 4、更多仿真源码和数据集下载列表（自行寻找自己需要的）：https://blog.csdn.net/m0_62143653?type=download 5、作者介绍：某大厂资深算法工程师，从事Matlab、Python、C/C++、Java、YOLO算法仿真工作10年；擅长计算机视觉、目标检测模型、智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、智能控制、路径规划、无人机等多种领域的算法仿真实验，欢迎交流学习。

_python__代码_相关文件_下载 这个 repo 是为评估二值图像分割结果而开发的。 已实施的措施 MAE 平均绝对误差 Precision, Recall, F-measure (这是sal_eval_toolbox中算法的python实现) 精确召回曲线 精确召回曲线 F-测量曲线 更多详情、使用方法，请下载后阅读README.md文件

内容概要：对各种图像增强方法产生的结果图像与真值图像按照阈值进行模型预测。 计算出了一些常用的准确性预测指标，比如ROC模型的AUC，PR曲线的F-score 适合人群：图像处理，尤其是边缘检测研究人员 阅读建议：此资源由于采用matlab编程，故其中内容需要在理解matlab基本编程思路，并对使用matlab画图有一定了解的基础，所以在阅读之前最好先了解一下matlab的基本语法

matlab绘制曲线代码VOC代码 它用于绘制和计算 PR 曲线/LOSS 曲线/AP/mAP 并将数据存储为 .mat 以供进一步使用请在您的模型文件夹中克隆存储库 # Make sure to clone with --recursive git clone --recursive https://github.com/rbgirshick/py-faster-rcnn.git 平均训练损失曲线 这是训练损失曲线的一小部分代码，尤其是在 yolo 中 步骤1 要在训练模型期间重新记录日志，请运行代码 cd $darknet(your model file) script -R log.txt 第2步 完成训练后，请不要忘记通过^c或exit()停止日志用sudo matlab打开你的 matlab 并更改train_log_file （通常不需要更改） 第 3 步 重要的是更改代码[~, string_output] = dos(['cat ', train_log_file, ' | grep "avg," | awk ''{print $3}'''])以便它可以读取您自己的模型

显著性检测中画PR曲线的代码，需要自己生成的显著图和Ground Truth。

用于yolo计算mAP和PR曲线使用，里面有4个python文件，分为python2和python3版本