COCO Challenge mAP측정 에 관한 질문있습니다.

[개정판] 딥러닝 컴퓨터 비전 완벽 가이드

Object Detection 성능 평가 지표 mAP의 이해 02 - mAP 계산하기

작성

173

PASCAL COV 에서와 달리 여러 IOU를 기준으로 mAP를 계산한다고 강의에서 보이는데

IOU Threshold값이 높아질 수록 측정하는 바운딩 박스가 적어짐으로써 확률적으로 실제 object들을 찾을 재현율(Recall)이 낮아지는게 맞나요?

keras 딥러닝 python 컴퓨터-비전 tensorflow 머신러닝 배워볼래요?

답변 1

권 철민

지식공유자

안녕하십니까,

IOU Threshold값이 높아질수록 딥러닝 모델이 예측하는 예측 bounding box 가 원본 bounding box와 정교하게 서로 맞아야 합니다. iou threshold가 0.5면 어느정도 예측 bounding box가 원본 bounding box와 50%정도만 면적이 겹치면 예측을 맞췄다고 평가할 수도 있는 방면에 0.9 정도면 90% 정도로 원본 bounding box면적과 겹치는 예측 bounding box를 예측하지 않으면 틀렸다고 평가하게 됩니다.

IOU Threshold가 높을수록 엄격한 기준으로 예측 bounding box가 정확이 예측되어야 정답이라고 간주하기 때문에 좋은 평가 점수를 얻기가 어렵기 때문에 재현율이 낮아지는 것으로 생각하시면 될 것 같습니다.

감사합니다.

Seung Min Liang

AP 가 confidence 에 따른 recall과 precision 을 통해 구해진다고 이해했습니다

AP 성능 측정(AP50 은 IoU가 0.5로 고정함)에서 IoU를 고정시켜놓으면 confidence (객체(클래스)일 확률 x IoU)를 어떻게 변형시킬 수 있는 것인가요?

AP는 confidence 를 변경하면서 recall 과 precision 을 구해야하는데, IoU가 고정되면 객체(클래스)일 확률을 변경하면서 AP 곡선을 그려야하는 것처럼 생각이됩니다. 제 생각 어디가 잘못된 부분일까요..?

인프런 커뮤니티 질문&답변

COCO Challenge mAP측정 에 관한 질문있습니다.