1. Confidence (신뢰도)

• 의미: 모델이 예측한 바운딩 박스 내에 객체가 존재할 확률

• 범위: 0에서 1 사이
• 질문: "이 영역에 '무언가'가 있는가?"
• 예시: Confidence가 0.9라면, 해당 박스 안에 어떤 객체가 있을 90% 확률

2. Class Probability (클래스 확률)

• 의미: 탐지된 객체가 특정 클래스에 속할 확률

• 범위: 각 클래스별로 0에서 1 사이, 모든 클래스의 확률 합은 1
• 질문: "이 객체가 어떤 종류인가?"
• 예시: 고양이 0.7, 개 0.2, 토끼 0.1 등

---

차이:

1. 목적:

• Confidence: 객체의 존재 여부
• Class Probability: 객체의 종류 식별

2. 계산 시점:

• Confidence: 객체 위치 예측 시
• Class Probability: 객체 분류 시

3. 사용:

• Confidence: 불필요한 바운딩 박스 제거에 사용 (thresholding)
• Class Probability: 최종 객체 분류 결정에 사용

4. 다중 클래스 상황:

• Confidence: 클래스와 무관하게 하나의 값
• Class Probability: 각 클래스마다 별도의 값

예시 상황:

• 모델이 이미지의 한 영역에 대해:
  Confidence = 0.95 (95% 확신으로 '무언가' 있다)
  Class Probabilities = {고양이: 0.8, 개: 0.15, 토끼: 0.05}

  해석: 이 영역에 95% 확률로 객체가 있으며, 그 객체는 80% 확률로 고양이일 것이다.