일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | ||||||
2 | 3 | 4 | 5 | 6 | 7 | 8 |
9 | 10 | 11 | 12 | 13 | 14 | 15 |
16 | 17 | 18 | 19 | 20 | 21 | 22 |
23 | 24 | 25 | 26 | 27 | 28 | 29 |
30 |
- cnn
- Paper Review
- opencv
- Computer Vision
- 코딩테스트
- 코드구현
- 인공지능
- Ai
- Self-supervised
- Python
- 딥러닝
- object detection
- Convolution
- 파이썬
- 머신러닝
- optimizer
- transformer
- Semantic Segmentation
- pytorch
- Segmentation
- 논문 리뷰
- 프로그래머스
- 알고리즘
- ViT
- programmers
- 논문
- 논문리뷰
- 옵티마이저
- 논문구현
- 파이토치
- Today
- Total
목록평가지표 (2)
Attention please
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/UosjY/btrUVaIb2ZX/lyBfsbLfgNw3cn0yChvY8k/img.png)
AP와 mAP는 CNN 모델의 성능을 평가하기 위한 평가지표이다. 하지만 AP와 mAP를 이해하기 위해서는 precision, recall에 대해 이해해야한다. Precision & Recall 정밀도(precision)과 재현율(recall)은 Computer vision 분야의 classification task에서 자주 사용하는 평가지표이다. T(True)는 예측과 실제 값이 동일한 경우를 의미하며, F(False)는 예측과 실제 값이 다른 경우이다. Object Detection의 경우 모델이 예측한 것과 실제 값을 비교하는 기준은 IoU로 한다. 위와 같이 모델이 예측한 box에 대해 IoU score가 나올 것이고 이때 IoU의 값이 0.5 이상이면 제대로 검출되었다고 인식하고(TP) IoU값..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/dfuESp/btrUVkjofKh/ycyBXdq2iMClxuy2ezOxq1/img.png)
IoU란? IoU란 Ground Truth와 모델이 예측한 값이 얼마나 겹쳐있는지 나타내는 Metric이다. 즉, IoU는 실제 box와 예측한 box의 교집합 / 합집합을 의미한다. 정답 영역과 예측 영역의 겹쳐진 부분이 크면 클수록 IoU값은 커진다. 물론 값이 크면 클수록 잘 예측했다고 판단한다. IoU의 최대값은 1이며, 최소값은 0이다. IoU는 굉장히 엄격한 metric이기에 사람 눈으로 봤을 때는 object가 잘 검출된다고 느껴질지는 몰라도 IoU 값은 현저히 떨어질 수 있다. 고작 1/9 정도의 오차이기에 사람의 입장에서는 좋게 보여지지만 실제로 IoU값은 0.65 정도로 높지 않다. 그만큼 IoU Metric은 엄격한 평가지표임을 알 수 있다. 계산 방법 x : 각 영역 중심의 x좌표 ..