ハイパースペクトル画像にいくつかのターゲットがあり、それらを検出したいと思います。私は検出器を提案し、その性能をReceiver Operating Characteristics（ROC）曲線で分析しました。私のROC曲線の領域はランダムな線の下にあります
検出対象の信号対ノイズ比が非常に低い場合（つまり、ターゲットが画像内で非常に弱く、誤検出の可能性が非常に低い場合、検出が非常に困難です）、私は午前常に次のROC曲線のように得られます。
これは私の数字ではありませんが、私はこのROC曲線に似て取得しています。だから私のカーブはPfa<=0.1のランダムな線の下にあります。 これは正常なのでしょうか？ランダムな線の下にROC曲線の領域を持つことは容認できますか？もしそうなら、これがどのように正当化できるのでしょうか？
ROCは、増加する閾値の真陽性率と偽陽性率を示します。しきい値を極端にすると、すべてが負に分類されるため、0％の真陽性と0％の偽陽性があります。他の極端なしきい値には100％の真陽性と100％の偽陽性があります。両極端の間に何かが起こる可能性があります。この特定のケースでは、最初の極値からしきい値を増やすと、負のサンプルを陽性として分類し始めるので、真の陽性率を増加させずに偽陽性率を増加させることができます。
原則として、これには何も問題ありません。重要なことは、真陽性率と偽陽性率の間の妥協点が満足できる点（閾値）を見つけることができることです。それがあなたのシステムを操作するポイントです。また、しきい値の選択を堅固にしたいので、ROCがそのポイントの周りをゆっくりと変化することが必要です。しかし、あなたの動作点から遠く離れていても、システムには影響しません。 （これが「曲線下の面積」の測定値が役に立たないと思うのはなぜですか？）
しかし、あなたのシステムが最も明らかに陽性であると思うサンプルは、実際には負の値を示しています。たぶんあなたのサンプルを正しくモデリングしていないのでしょうか？
ありがとう、あなたの答えはCrisです。実際、私はモデルを多く改訂し、サンプルに問題はありません。ターゲットの信号対雑音比が非常に低く、検出が非常に困難なためです。明らかに、誤検出の可能性が低い場合、検出は非常に貧弱（= 0）になる可能性があります。私は正しいと思いますか？ – Christina
しかし、誤警報の可能性が非常に低い（誤検知率が低い）場合、検出器は最も明白な標的だけを選ぶべきです。代わりに、いくつかの非ターゲットしか選択しません。次に、しきい値（感度）を上げ、誤検知がほとんどなく、ほとんどの実際のターゲットを捕捉し始めます。それ、変だよ。可能ですが、奇妙です。あなたのテストイメージに、ターゲットのように見えるいくつかの非ターゲットがない限り。 –
もう1つの選択肢は、ROCを間違って計算していることですか？ –