To evaluate the classification capa

To evaluate the classification capability of the proposed
system, we firstly divided the testing data set to two parts:
high quality (positive) part and low quality (negative) part. If
the actual N-WER of the testing sample was bigger than a predefined
threshold T, it was labeled as a low quality (negative)
image. Otherwise, it was labeled as a high quality (positive)
image. During the classification, a test image was classified
as positive or negative according to its predict N-WER and
a threshold T0 which traversed from 0 to 1. Fig 4 illustrated
ROC curves of the classification results where the pre-defined
threshold T for testing sets were 0.1, 0.3, 0.5 and 0.7 respectively.
It can be observed that the proposed system achieved
better classification performance when threshold T was set to
be 0.3 and 0.5 for the testing data set.

ผลลัพธ์ (ไทย) 1:

การประเมินความสามารถในการจัดประเภทของการนำเสนอระบบ เราประการแรกแบ่งชุดข้อมูลทดสอบไปยังส่วนที่สอง:ส่วนคุณภาพสูง (บวก) และส่วนที่คุณภาพต่ำ (ลบ) หากN-WER จริงของตัวอย่างทดสอบใหญ่กว่าที่กำหนดไว้ล่วงหน้าขีดจำกัด T มันถูกติดป้ายว่าเป็นคุณภาพต่ำ (ติดลบ)รูปภาพของ อื่น มันถูกติดป้ายว่าเป็นคุณภาพ (ค่าบวก)รูปภาพของ ในระหว่างการจัดประเภท รูปแบบทดสอบประเภทเป็นบวก หรือลบตามทำนาย N WER และขีดจำกัด T0 ซึ่งถูกตรวจสอบจาก 0 เป็น 1 ฟิกที่มีภาพประกอบ 4เส้นโค้ง ROC ผลการจัดประเภทที่กำหนดไว้ล่วงหน้าขีดจำกัด T สำหรับทดสอบชุดได้ 0.1, 0.3, 0.5 และ 0.7 ตามลำดับสามารถสังเกตระบบการนำเสนอได้ประเภทประสิทธิภาพเมื่อมีตั้งขีดจำกัด Tเป็น 0.3 และ 0.5 ชุดข้อมูลทดสอบ

ผลลัพธ์ (ไทย) 2:

เพื่อประเมินความสามารถในการจัดหมวดหมู่ของที่นำเสนอระบบที่เราแรกแบ่งชุดข้อมูลการทดสอบเพื่อสองส่วนที่มีคุณภาพสูง(บวก) และเป็นส่วนหนึ่งที่มีคุณภาพต่ำ (ลบ) ส่วนหนึ่ง หากเกิดขึ้นจริง N-WER ของตัวอย่างทดสอบมีขนาดใหญ่กว่าที่กำหนดไว้ล่วงหน้า T เกณฑ์มันก็ระบุว่าเป็นที่มีคุณภาพต่ำ (ลบ) ภาพ มิฉะนั้นจะถูกตราหน้าว่าเป็นที่มีคุณภาพสูง (บวก) ภาพ ในระหว่างการจัดหมวดหมู่ภาพการทดสอบถูกจัดเป็นบวกหรือลบตามที่คาดการณ์ N-WER และ T0 เกณฑ์ซึ่งสำรวจจาก 0 ถึง 1 รูปที่ 4 แสดงเส้นโค้งROC ผลการจัดหมวดหมู่ที่กำหนดไว้ล่วงหน้าT เกณฑ์สำหรับชุดทดสอบ เป็น 0.1, 0.3, 0.5 และ 0.7 ตามลำดับ. มันสามารถสังเกตได้ว่าประสบความสำเร็จในระบบที่นำเสนอผลการดำเนินงานที่ดีขึ้นเมื่อจำแนกเกณฑ์ทีถูกกำหนดให้เป็น0.3 และ 0.5 สำหรับข้อมูลชุดทดสอบ

ผลลัพธ์ (ไทย) 3:

เพื่อประเมินความสามารถในการเสนอ
ระบบ เรา แรก แบ่งการทดสอบชุดข้อมูลสองส่วน :
คุณภาพสูง ( บวก ) ส่วนหนึ่งและคุณภาพต่ำ ( ลบ ) ส่วน ถ้า
n-wer ที่แท้จริงของการทดสอบครั้งนี้มีขนาดใหญ่กว่าที่กำหนดไว้ล่วงหน้า
( t , มันถูกระบุว่าเป็น ที่มีคุณภาพต่ำ ( ลบ )
ภาพ ไม่งั้น มันถูกระบุว่าเป็น คุณภาพสูง ( บวก )
ภาพในระหว่างการสอบภาพจัด
เป็นบวกหรือลบตามความคาดเดาและเกณฑ์ n-wer
t0 ซึ่งเดินทางไปจาก 0 ถึง 1 รูปที่ 4 แสดง
รอคเส้นโค้งของหมวดหมู่ผลลัพธ์ที่กำหนดไว้ล่วงหน้าสำหรับชุดทดสอบ T
ธรณีประตูคือ 0.1 , 0.3 , 0.5 และ 0.7 ตามลำดับ
พบว่าระบบที่เสนอความ
ดีกว่าการกำหนดเกณฑ์ประสิทธิภาพเมื่อ T

เป็น 0.3 และ 0.5 สำหรับการทดสอบชุดข้อมูล