Ответсообщение недоступно
Victor, давайте разберем ваш вопрос по частям.
1. Типичное поведение кривой precision-recall действительно такое, как вы описали: максимальная точность (precision) при низкой полноте (recall), и постепенное снижение точности при увеличении полноты. Это связано с тем, что по мере снижения порога принятия решения (confidence threshold) детектор начинает выдавать больше результатов, повышая полноту, но при этом растет и число ложных срабатываний, снижающих точность.
2. Должна ли полнота всегда достигать единицы (100%)? Нет, не обязательно. Предельное значение полноты зависит от качества работы детектора на конкретной тестовой выборке. Если детектор в принципе не способен найти часть целевых объектов (например, из-за их нетипичного вида, сложного фона и т.д.), то даже при минимальном пороге срабатывания полнота может быть значительно меньше 100%.
3. Значение полноты 0.3 (30%) само по себе не является ошибкой или признаком некорректности оценки. Как вы верно заметили, такое вполне возможно, если детектор обнаруживает только 30% целевых объектов, присутствующих на тестовых изображениях. Причины могут быть разные - от ограничений самого алгоритма до специфики данных.
4. То, насколько низкий recall приемлем, зависит от вашей конкретной задачи и требований к детектору. Для некоторых приложений критична высокая полнота (нужно найти все объекты, пусть и ценой ложных срабатываний), для других - высокая точность (нужны только правильные детекции). Анализ кривой precision-recall помогает подобрать оптимальный порог, обеспечивающий нужный компромисс точности и полноты.
Подводя итог: значение полноты меньше 100% (и даже 30%) на кривой precision-recall вполне допустимо и не является признаком ошибки. Оно отражает реальную эффективность работы детектора на тестовой выборке. При этом интерпретировать результаты и выбирать порог нужно с учетом специфики решаемой задачи детекции.
Надеюсь, это прояснило ситуацию!