Average Precision (AP) @[ IoU=0.50:0.95 | area= all | maxDets=100 ] = 0.353Average Precision (AP) @[ IoU=0.50 | area= all | maxDets=100 ] = 0.599Average 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 하는데Faster-RCNN의 결과로 출력된 성능 지표가 YOLO의 성능지표랑 조금 다른거같아 어떻게 비교해야할지 궁금합니다. YOLO는 훈련 후 결과가 Precision, Recall, mAP50, mAP50-95로 나오게 되는데Faster-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_datasetfrom detectron2.data import build_detection_test_loaderfrom detectron2.engine import DefaultTrainerimport os# 가중치 경로 설정cfg.MODEL.WEIGHTS = os.path.join(cfg.OUTPUT_DIR, "model_final.pth")# 학습된 모델 로드trainer = DefaultTrainer(cfg)trainer.resume_or_load(resume=True) # 평가 진행evaluator = 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 출력print("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?