감지를 위해 하나의 오브젝트 제안이 올바른지 판별하는 일반적인 방법은 IoU, IU ( Intersection over Union )입니다. 제안 된 객체 픽셀 세트 와 실제 객체 픽셀 세트를 가져 와서 다음을 계산합니다.B
일반적으로 IoU> 0.5는 적중했음을 의미하며, 그렇지 않으면 실패했습니다. 각 클래스에 대해
- 진 양성 ( ) : 클래스 대한 제안이 있었고 실제로 클래스 의 객체가있었습니다.
- False Positive ( ) : 클래스에 대한 제안이 있었지만 클래스의 목적은 없습니다
- 클래스 평균 정밀도 :
mAP (평균 평균 정밀도) =
더 나은 제안을 원한다면 IoU를 0.5에서 더 높은 값 (최대 1.0까지)으로 높이십시오. 이를 mAP @ p로 표시 할 수 있습니다. 여기서 은 IoU입니다.
그러나 mAP@[.5:.95]
( 이 백서 에서 볼 수 있듯이) 무엇을 의미합니까?
[.5:.95]
부분이 IoU 값의 범위를 참조한다고 생각 하지만 그 범위가 어떻게 알 수없는 단일 mAP로 평가되는지.