질문이 2가지 있습니다.

Question

안녕하세요. 선생님. 강의 잘 듣고 있습니다. 질문이 2가지 있습니다. 1. IoU 실습에서 41개 나오던게 53개 나온거 이거 강의중에 random 값 때문에 그런거 같다고 하셨는데, 그게 아니라 직접 그리신 빨간선까지 포함되어서 그런것같습니다. 빨간선을 img_rgb에 직접 그리셔서, 이게 포함되다보니 bounding box가 몇개 추가된것같아요. 그래서 실제로 IoU 제일 높은 두 bounding box는 빨간 선 가장자리에 생깁니다. 2. 재현율과 정밀도 재현율과 정밀도 단원에서, 설명하시면서 새를 새로 예측하는지, 고양이로 잘못예측하지는 않는지 이런 그림이 있었잖아요 (10:20 부근) 여기서 FP 들이 FN이기도 한게 아닌지 질문드립니다. 고양이라고 고양이에 대해 Positive 예측을 했는데 틀렸으니 False Positive 이지만, 새에 대해서는 없다고 했으니 False Negative 이기도 한 것이죠. 새를 고양이로 예측한 사진의 경우 이걸 FP로만 해석한다면, 재현율인 TP/(FN+TP) 에서 TP = 0, FN = 0 이 되어 0/0 이 되지 않습니까. 예를 들어 새 두마리가 있는 사진에서 한마리는 새, 한마리는 고양이로 판단했을 경우 재현율은 0.5여야 맞는데, 위의 판단대로면 TP=1, FN=0, FP=1 가 되어 정확도 0.5에 재현율 1이 되는 걸로 보입니다. 따라서 대상을 잘못 예측한 경우는 FP이기도 하지만FN 이기도 한게 아닌지 궁금합니다. 답변 기다리겠습니다. 질문 읽어주셔서 감사합니다.

권 철민 · Answer

안녕하십니까, 1. 확인해 보니, 말씀하신게 맞군요. 해당 부분을 수정해서 개정판 강의에 싣도록 하겠습니다. 감사합니다. 2. 이것도 제가 한수 배웠습니다. 말씀하신대로 잘못 예측했을 경우 FN도 고려해야 할 것 같습니다(이런 간단한 부분을 놓치다니, 저도 약간 맨붕이 왔습니다. ^^;;) FP의 경우는 예측을 수행한 기준으로 계산하고, FN의 경우는 실제 Ground Truth를 기준으로 삼아야 할 것 같습니다. 그래서 새 2마리가 있는 사진에서 한마리는 새, 한마리는 고양이로 했다면, TP=1, FP=1 그리고 새 한마리가 Detect 되지 않았으니 FN=1로 되어야 할 것 같습니다. 사실 이 부분은 제가 알고 있는 Object Detection FN 개념을 다시 정립해야 하는 부분이라, 제가 좀 더 고민후에 개정판에 수록할 것인지 결정 하도록 하겠습니다. 훌륭한 지적 감사합니다.