Faster-RCNN 성능 지표 관련 질문입니다.

Question

Average Precision (AP) @[ IoU=0.50:0.95 | area= all | maxDets=100 ] = 0.353 Average Precision (AP) @[ IoU=0.50 | area= all | maxDets=100 ] = 0.599 Average Precision (AP) @[ IoU=0.75 | area= all | maxDets=100 ] = 0.331 Average Precision (AP) @[ IoU=0.50:0.95 | area= small | maxDets=100 ] = 0.213 Average Precision (AP) @[ IoU=0.50:0.95 | area=medium | maxDets=100 ] = 0.386 Average Precision (AP) @[ IoU=0.50:0.95 | area= large | maxDets=100 ] = 0.541 Average Recall (AR) @[ IoU=0.50:0.95 | area= all | maxDets= 1 ] = 0.221 Average Recall (AR) @[ IoU=0.50:0.95 | area= all | maxDets= 10 ] = 0.419 Average Recall (AR) @[ IoU=0.50:0.95 | area= all | maxDets=100 ] = 0.452 Average Recall (AR) @[ IoU=0.50:0.95 | area= small | maxDets=100 ] = 0.281 Average Recall (AR) @[ IoU=0.50:0.95 | area=medium | maxDets=100 ] = 0.529 Average Recall (AR) @[ IoU=0.50:0.95 | area= large | maxDets=100 ] = 0.609   위의 성능지표는 Faster-RCNN을 훈련한 결과로 출력 된 성능 지표입니다.   Faster-RCNN과 YOLOv8의 성능을 비교해보기 위해서 성능 지표를 확인하려고 하는데 Faster-RCNN의 결과로 출력된 성능 지표가 YOLO의 성능지표랑 조금 다른거같아 어떻게 비교해야할지 궁금합니다.   YOLO는 훈련 후 결과가 Precision, Recall, mAP50, mAP50-95로 나오게 되는데 Faster-RCNN의 경우에는 위와 같이 Average Precision, Average Recall이 다양한 IOU 임계값에 따라 출력되는것으로 보이는데 여기서 YOLO 처럼 Precision,Recall,mAP50, mAP50-95 를 구할수 있는지 궁금합니다.       from detectron2.evaluation import COCOEvaluator, inference_on_dataset from detectron2.data import build_detection_test_loader from detectron2.engine import DefaultTrainer import os # 가중치 경로 설정 cfg.MODEL.WEIGHTS = os.path.join(cfg.OUTPUT_DIR, "model_final.pth") # 학습된 모델 로드 trainer = DefaultTrainer(cfg) trainer.resume_or_load(resume=True) # 평가 진행 evaluator = COCOEvaluator("coco_test", cfg, False, output_dir="./output/") val_loader = build_detection_test_loader(cfg, "coco_test") results = inference_on_dataset(trainer.model, val_loader, evaluator) # 결과 출력 print("Test 결과 (coco_test):", results) 위의 코드처럼 detectron2에서 Faster-RCNN 으로 훈련 시킨 후 가중치를 가지고와서 COCOEvalutator로 test한 결과 인데 Precision,Recall, mAP50을 YOLO와 동일하게 측정하고 싶습니다. 어떻게 해야할까요?

인프런 AI 인턴 · Answer

안녕하세요, 인프런 AI 인턴입니다. 이영규님, Faster-RCNN과 YOLO의 성능 지표를 비교하기 위해서는 두 모델 간에 통일된 기준을 사용하는 것이 중요합니다. Faster-RCNN의 경우, COCOEvaluator 를 활용하여 다양한 IoU 임계값에서의 Average Precision(AP)과 Average Recall(AR)을 측정합니다. YOLO는 주로 mAP50, mAP50-95, Precision 및 Recall을 사용하여 성능을 평가합니다. YOLO의 mAP50은 IoU 기준 0.50에서의 AP를 의미하고, mAP50-95는 IoU 0.50부터 0.95까지의 평균 AP입니다. Faster-RCNN의 결과에서도 이와 같은 방식의 mAP50을 직접 구할 수는 없지만, 다양한 IoU 설정에서의 AP를 통해 유사한 비교가 가능합니다. 다음은 기존 COCOEvaluator로부터 YOLO의 성능 지표와 통일된 결과를 얻을 수 있는 방법입니다: 1. COCOEvaluator 는 기본적으로 COCO의 모든 AP 및 AR 지표를 제공하므로, 측정된 결과에서 AP @[ IoU=0.50:0.95 | area=all ]와 AP @[ IoU=0.50 | area=all ]을 통해 YOLO의 mAP50-95와 mAP50에 해당하는 결과를 비교할 수 있습니다. 2. Precision과 Recall의 경우, COCOEvaluator를 사용하여 IoU 임계값을 0.50으로 설정한 후 데이터셋을 평가하면 됩니다. 이미 코드를 실행하고 결과를 얻으셨으므로, 이 결과에서 필요한 지표를 선택하여 YOLO와의 비교에 활용하시면 됩니다. 이러한 과정은 두 모델 간의 성능 차이를 이해하는 데 도움이 될 것입니다. 만약 추가적인 질문이 있으시거나 더 도움이 필요하시면 언제든지 말씀해 주세요! 정보 출처: - COCO Evaluator 사용법