Object Detection

Image Classfication과 Object Detection의 차이점은 Object Detection은 물체의 위치와 무엇인지가 다 표시된다.

• Semantic Segmentation은 픽셀별로 classification을 진행하지만 같은 클래스의 경우에는 따로 경계를 표시하지 않는다.

• Insatance Segmentation은 Semantic Segmentation에 Object Detection이 포함되어 같은 클래스여도 각각 구분짓는다.

Two stages vs One stages

two stages는 정확성을 one stage는 속도에 특화되어있다.

Evaluation

크게 2가지로 성능을 평가한다.

• mAP : 얼마나 잘 검출했는지
• FPS, Flops : 얼마나 빠르게 검출했는지
  Object Detection의 경우 real world의 문제에 적용되는 경우가 많기 때문에 정확도 못지않게 속도 또한 중요하다.

Confusion Matrix

Precision & Recall

positive, 객체라고 예측한 것들 중 맞은 것의 비율

정답인 모든 case중 모델이 맞춘 것들

PR Curve

confidence Score로 내림차순을 한다.

누적 TP와 FP를 사용하여 Precision, Recall 값을 구하고 그래프로 나타낸다.

그래프의 면적을 구하면 다음과 같다.

이 면적을 AP라고 한다.

이렇게 각 클래스마다 AP를 계산할 수 있는데 이것을 클래스의 개수 m으로 나눠서 평균을 구한 값을 mAP라고 한다.

IOU

Object Detection은 물체의 위치를 bbox를 통해 예측을 한다. 이 bbox가 ground truth인지 판단하는 기준을 IOU라고 한다.

FPS

초당 처리가 가능한 frame의 숫자이다. 높을 수록 좋다.

Flops

모델이 얼마나 빠르게 동작하는지 측정하는 metric으로 연산량 횟수이다.