目标检测精度和召回率代码

目标检测的精度和召回率是评估目标检测算法性能的重要指标。下面是一个示例代码，用于计算目标检测的精度和召回率：

# 定义目标检测结果和真实标签
detection_results = [1, 0, 1, 1, 0, 1, 0, 0, 1, 1]  # 目标检测结果，1表示检测到目标，0表示未检测到目标
ground_truth = [1, 1, 0, 1, 0, 0, 1, 0, 1, 0]  # 真实标签，1表示目标存在，0表示目标不存在

# 计算精度和召回率
true_positive = sum([1 for i in range(len(detection_results)) if detection_results[i] == 1 and ground_truth[i] == 1])
false_positive = sum([1 for i in range(len(detection_results)) if detection_results[i] == 1 and ground_truth[i] == 0])
false_negative = sum([1 for i in range(len(detection_results)) if detection_results[i] == 0 and ground_truth[i] == 1])

precision = true_positive / (true_positive + false_positive)  # 精度
recall = true_positive / (true_positive + false_negative)  # 召回率

print("Precision:", precision)
print("Recall:", recall)

上述代码中，`detection_results`表示目标检测的结果，`ground_truth`表示真实标签。通过遍历两个列表，统计出真正例（true positive）、假正例（false positive）和假负例（false negative）的数量，然后计算精度和召回率。