交通标志识别与面部表情识别技术解析
交通标志识别
在交通标志识别任务中，一个优秀分类器的目标是使混淆矩阵呈对角化，这意味着每个样本的真实类别（c_true）和预测类别（c_pred）相同。其中，一对一（one - vs - one）策略结合HOG特征表现出色，从得到的混淆矩阵可以看出，大部分非对角元素为零。
性能指标计算
- 准确率（Accuracy）：这是最直接的计算指标，它统计正确预测的测试样本数量，并将其表示为测试样本总数的比例。以下是计算准确率的代码：
def __accuracy(self, y_test, y_vote): """ Calculates the accuracy based on a vector of ground - truth labels (y_test) and a 2D voting matrix (y_vote) of size (len(y_test),numClasses). """ y_hat = np.argmax(y_vote, axis = 1) mask = (y_hat == y_test) return np.count_nonzero(mask)*1./len(y_test)- 精确率（Precision）：在二分类中，精确率用于衡量检索到的相关实例的比例（也称为正预测值）。在多分类中，计算方法会根据分类策略有所
