인프런 커뮤니티 질문&답변

답변 고맙습니다.

그렇다면 mmdetection 모델 훈련시 사용자가 IOU값을 변경하면 정확도와 재현성에 영향을 줄수 있고, 모델 예측시에는 confidence level 값을 조정하는 정도이겟군요??

초보자의경우 실제 훈련과 관련된 IOU값의 적정값을 어떻게 설정해야하는지는 잘 모르겠던데.. 결국 그냥 사용하는 방법외에는 할수 있는 부분이 많지는 않아보이네요.

수고하세요   

안녕하십니까, 

음, 보통 object detection은 정밀도, 재현율 하나만 보지는 않습니다.  뒤 강의에서 말씀 드리는 Average Precision 성능 평가 지표가 recall 값을 변화 시켰을 때 Precision 값의 변화 정도로 판단하기 때문에 두개를 한꺼번에 판단하는 걸로 생각하시면 좋을 것 같습니다. 

그리고 보통은 학습 시에는 정밀도 또는 재현율 한쪽만 좋게 학습하기는 어렵습니다. 그걸 위한 파라미터도 제가 찾지 못할 것 같습니다(존재 하지 않을 것 같습니다)

물론 재현율을 높이기 위해 합성(synthetic) 데이터를 이용하여 학습 데이터를 증가 시키는 방법은 있습니다만, 합성 데이터를 사용할 때 정밀도는 반대로 떨어질 수 있습니다. 

학습시가 아니라 예측 시에 정밀도 또는 재현율을 높일 수는 있습니다. 가령 특정 클래스, 예를 들어 고양이를 예측하는 확률이 0.5 이상이라면 고양이 예측으로 결정하는게 기존 로직이라면 예측 시 이 기준을 0.5가 아닌 0.4로 낮추면 재현율이 높아집니다(반대로 정밀도가 낮아집니다). 반대로 0.6으로 높이면 재현율이 낮아지고 정밀도가 높아집니다. 

하지만 일반적으로 굳이 이렇게까지 하지 않습니다. object detection의 성능 평가 지표는 mAP가 널리 쓰이고 있는데, mAP는 확률 기준치를 다양하게 변경하여 Recall 변화에 따른 Precision의 변화를 기반으로 하고 있습니다. Recall을 높여서 Precision을 희생해봐야 동일한 mAP가 나옵니다. 

그리고, 아쉽지만 tracking에 대한 강의는 아직 계획에 있지 않습니다. 

감사합니다.