Классификация изображений как обучение модели и оценка модели для идентификации и классификации видов простейших трипаносом

Для начала перейдите на панель инструментов плагина. Затем перетащите на экран функцию EvaluateClassif. Нажмите кнопку «Оценить», расположенную в средстве EvaluateClassif.

Нажмите кнопку загрузки изображения папки, чтобы импортировать тестовые изображения, и загрузите конфигурацию, чтобы импортировать файл обученного веса из каталога. Затем нажмите кнопку «Пуск», чтобы оценить модель классификации. После оценки нажмите кнопку «Экспорт в CSV», чтобы сохранить результаты в виде файла CSV в каталоге.

Чтобы оценить данные по каждому пороговому значению, нажмите на порог запуска всех, чтобы сохранить CSV-файл в каталоге с именами классов, включая такие параметры, как отзыв, процент истинных положительных результатов, процент ложных срабатываний и точность для каждого класса. Чтобы построить кривую рабочих характеристик ресивера, нажмите кнопку построения ROC, расположенную в инструменте EvaluateClassif. Нажмите на кнопку обзора и импортируйте CSV-файлы из каталога.

Проверьте импортированный список классов и выберите метку каждого класса для построения кривой ROC. Далее, чтобы визуализировать ROC-кривую, нажмите на кнопку построения графика. Внесите необходимые изменения в свойства изображения, такие как размер шрифта, цвета шрифта, округление десятичных дробей, стили линий и цвета линий.

Наконец, нажмите кнопку «Сохранить», чтобы сохранить изображение кривой ROC со значениями AUC в нужном формате изображения в каталоге.