mAP + IOU

mAP(mean Average Precision)
mAP은 이름 그대로 각각의 클래스에 대한 AP의 평균을 의미합니다. 이것이 Object Detection의 평가 지표가 되는 것입니다.

• AP(Average Precision)
  AP는 Precision-Recall(PR) 그래프의 아래 면적을 의미합니다.
  PR 그래프는 confidence 레벨의 threshold 값의 변화에 의한 물체 검출기의 성능을 평가하는 방법입니다.
  confidence 레벨은 검출한 것에 대해 알고리즘이 얼마나 확신이 있는지를 알려주는 값입니다.
  PR 그래프을 단조적으로 감소하는 그래프가 되게 하기 위해서 다음과 같이 바꿔줍니다.
  

• Precision(정밀도)와 recall(재현율)
  Precision은 예측 결과가 Positive인 것 중에서 실제 상황이 Positive인 것의 비율이고,
  recall은 실제 상황이 Positive인 것 중에서 예측 결과가 Positive인 것의 비율입니다.
  
  물체를 검출했을 때 옳게 검출되었다와 옳게 검출되지 않았다를 구분해주는 기준, 즉 TP(옳은 검출)와 FP(틀린 검출)를 결정해주는 기준은 무엇일까요? 그 기준은 바로 intersection over union(IoU)입니다.

IoU(Intersection over union)
IoU는 predict result(예측 결과) 바운더리 박스와 ground truth(실제 상황) 바운더리 박스간 중첩되는 부분의 면적을 측정해서 중첩된 면적을 합집합의 면적으로 나눠줍니다.

값이 0.5 이상이면 TP(옳은 검출)가 되었다고 판단합니다. 반면 0.5 미만이면 FP(틀린 검출)가 되었다고 판단합니다(기준이 되는 값(0.5)은 다른 값으로 설정할 수도 있다.).