4. 混淆矩阵：TP、FP、TN、FN 的定义与计算

聊到模型精度评估，绕不开一个东西——混淆矩阵。

说实话，我刚入行那会儿，觉得这玩意儿就是个四宫格表格，没啥技术含量。后来在项目里被坑过几次，才明白这四格子里藏着的门道，比一个 mAP 指标丰富得多。

你想想看，一个模型说它准确率 99%，听起来很牛对吧？但如果你的正样本只占 1%，那模型只要全部判负，准确率也是 99%。这种「虚假繁荣」我见过太多次了。所以，咱们得把混淆矩阵讲透。

4.1 四个基本概念：TP、FP、TN、FN

先明确一个前提：我们讨论的是二分类场景。YOLO 的多类别检测，本质上是对每个类别做二分类判断。

四个术语，我习惯用一个「预测 vs 真实」的对照表来记：

术语 全称 真实标签 预测结果 通俗理解
TP True Positive 正样本 预测为正 模型说「是」，实际也是「是」
FP False Positive 负样本 预测为正 模型说「是」，实际是「否」——误报
TN True Negative 负样本 预测为负 模型说「否」，实际也是「否」
FN False Negative 正样本 预测为负 模型说「否」，实际是「是」——漏检

核心记忆口诀：

第一个字母 T/F 表示预测对/错，第二个字母 P/N 表示预测的结果。

TP = 预测对了，结果是正；FP = 预测错了，结果是正。

在 YOLO 的检测任务里，怎么判断一个预测框是 TP 还是 FP？

关键看 IoU（交并比）。我一般设 IoU ≥ 0.5 算匹配成功。如果预测框和某个真实框的 IoU 超过阈值，且类别一致，就算 TP。如果预测框没匹配到任何真实框，或者类别错了，就算 FP。至于 FN，就是那些真实存在但模型没检测出来的目标。

我的经验：

我曾经在一个行人检测项目里，发现 FP 特别高。排查了半天，原来是模型把路边的垃圾桶当成了人。这就是典型的 FP——模型「过于积极」了。

4.2 从四个值到混淆矩阵

混淆矩阵就是把 TP、FP、TN、FN 放到一个 2×2 的表格里。行是真实标签，列是预测结果。

预测为正 (Positive) 预测为负 (Negative)
真实为正 (Positive) TP FN
真实为负 (Negative) FP TN

这个矩阵看起来简单，但它能衍生出几乎所有重要的评估指标。比如：

  • 准确率 (Accuracy) = (TP + TN) / (TP + TN + FP + FN)
  • 精确率 (Precision) = TP / (TP + FP) —— 模型说「是」的时候，到底有多靠谱
  • 召回率 (Recall) = TP / (TP + FN) —— 模型把真正的正样本找出了多少
  • 特异度 (Specificity) = TN / (TN + FP) —— 模型对负样本的判断能力

注意：

在类别极度不平衡的数据集里，Accuracy 会骗人。我建议你优先看 Precision 和 Recall 的组合，或者直接看 F1-score。

4.3 用 Python 构建混淆矩阵

理论说完了，咱们动手写代码。OpenCV 本身不提供混淆矩阵的计算函数，但我们可以用 NumPy 或者 scikit-learn 来构建。

方法一：手动计算（适合理解原理）

import numpy as np

# 模拟数据：真实标签和预测标签
y_true = np.array([1, 0, 1, 1, 0, 1, 0, 0, 1, 0])
y_pred = np.array([1, 0, 1, 0, 0, 1, 0, 1, 1, 0])

# 初始化矩阵
tp = np.sum((y_true == 1) & (y_pred == 1))
fp = np.sum((y_true == 0) & (y_pred == 1))
tn = np.sum((y_true == 0) & (y_pred == 0))
fn = np.sum((y_true == 1) & (y_pred == 0))

confusion_matrix = np.array([[tp, fn],
                             [fp, tn]])

print("混淆矩阵：")
print(confusion_matrix)
print(f"TP={tp}, FP={fp}, TN={tn}, FN={fn}")

方法二：用 scikit-learn（推荐，生产环境用这个）

from sklearn.metrics import confusion_matrix
import seaborn as sns
import matplotlib.pyplot as plt

y_true = [1, 0, 1, 1, 0, 1, 0, 0, 1, 0]
y_pred = [1, 0, 1, 0, 0, 1, 0, 1, 1, 0]

cm = confusion_matrix(y_true, y_pred)
print("混淆矩阵：\n", cm)

# 可视化
sns.heatmap(cm, annot=True, fmt='d', cmap='Blues',
            xticklabels=['Negative', 'Positive'],
            yticklabels=['Negative', 'Positive'])
plt.xlabel('Predicted')
plt.ylabel('True')
plt.title('Confusion Matrix')
plt.show()

我的习惯：

在 YOLO 的验证脚本里，我会在每个 epoch 结束后，把验证集的预测结果和真实标注做比对，生成混淆矩阵。这样能直观看到模型在哪些类别上容易混淆。

4.4 混淆矩阵的可视化

光有数字不够，可视化才能一眼看出问题。我一般用 Seaborn 的 heatmap，或者用 Matplotlib 自己画。

下面是一个更完整的可视化代码，适合直接用在 YOLO 的评估脚本里：

import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np

def plot_confusion_matrix(cm, class_names, title='Confusion Matrix'):
    """
    绘制混淆矩阵
    cm: 混淆矩阵 (numpy array)
    class_names: 类别名称列表
    """
    plt.figure(figsize=(8, 6))
    sns.heatmap(cm, annot=True, fmt='d', cmap='Blues',
                xticklabels=class_names,
                yticklabels=class_names)
    plt.title(title, fontsize=16)
    plt.xlabel('Predicted Label', fontsize=12)
    plt.ylabel('True Label', fontsize=12)
    plt.tight_layout()
    plt.show()

# 示例：3 类别的混淆矩阵
cm_multi = np.array([[50, 2, 1],
                     [3, 45, 4],
                     [2, 3, 40]])
class_names = ['Person', 'Car', 'Bicycle']
plot_confusion_matrix(cm_multi, class_names)

为什么我强调可视化？

有一次我在做交通场景的检测，模型整体 mAP 有 0.78，看起来还行。但画出混淆矩阵后，我发现「摩托车」和「自行车」这两个类别的混淆特别严重——模型经常把摩托车认成自行车。这就是混淆矩阵的价值：它告诉你问题出在哪里，而不是只告诉你好不好。

4.5 多类别场景下的混淆矩阵

YOLO 检测的是多类别，所以我们的混淆矩阵是 N×N 的，N 是类别数。

对于每个类别，我们都可以单独计算它的 TP、FP、TN、FN。做法是：把当前类别当作正类，其他所有类别当作负类。

类别 TP FP FN Precision Recall
Person 120 15 8 0.889 0.938
Car 200 25 10 0.889 0.952
Bicycle 45 20 12 0.692 0.789

看到没？Bicycle 的 Precision 和 Recall 明显偏低。这时候我就会去检查：是不是训练数据里自行车样本太少？还是自行车和摩托车的特征太像？

避坑指南：

我曾经在计算多类别混淆矩阵时，忘了把「背景」类别排除掉。结果矩阵里多了一行一列，所有指标都算错了。记住：YOLO 的预测中，背景类（置信度低于阈值）不应该参与混淆矩阵的计算。

4.6 本章知识结构图

下面这张图，把混淆矩阵的核心逻辑串起来了：

混淆矩阵核心知识结构 混淆矩阵 TP (真正例) FP (假正例) TN (真负例) FN (假负例) Precision Recall F1-Score Accuracy 应用场景：YOLO 验证集评估 · 类别混淆分析 · 模型对比 阈值调优 · 数据不平衡诊断 TP/FP/TN/FN → 混淆矩阵 → 评估指标 → 模型优化决策

这张图把整个逻辑链条理清了：从四个基本值，到混淆矩阵，再到衍生指标，最后落到实际应用。你在做模型评估时，就按这个路径走，不会乱。

4.7 小结

混淆矩阵不是终点，它是起点。通过它，你能看到模型的「偏科」情况——哪个类别检测得好，哪个类别容易误报，哪个类别经常漏检。

我个人习惯，每次训练完模型，第一件事就是看混淆矩阵。比看 mAP 直观多了。mAP 告诉你「考了多少分」，混淆矩阵告诉你「哪道题错了」。后者对改进模型更有帮助。

← 上一章 📖 返回目录 下一章 →