[DL] mAP은 무엇이고 어디어디에서 쓰일까?

https://velog.io/@sujikim-hattoo/DL-YOLO-모델은-대체-무엇일까주요-특징과-장점-위주

위 링크에서 YOLO의 장점 내용을 설명할 때 잠깐 언급되었던 컴퓨터 비전의 'mAP'..에 대해 알아보자..!

정의

: mAP(mean Average Precision)는 객체 감지 모델의 성능을 측정하는 대표 지표

계산 과정

Step1. IoU기준 설정(예측 박스와 실제 박스 겹침 정도. 보통 0.5 이상)
Step2. class별 AP 계산(e.g., 자동차, 사람, 강아지 등 각 클래스 마다 정확도 측정)
Step3. 전체 평균(모든 class의 AP 평균내어 하나의 mAP 점수 도출)

mAP는 단순한 정밀도의 평균이다 (x)
mAP는 Precision-Recall 곡선의 면적이다 (o)

* AP란? Average Precision의 줄임말로 각 class별로 Precision-Recall 곡선 아래 면적을 계산한 값
** Precision-Recall 곡선이란? 모델이 얼마나 정확하게 예측했는지(Precision)와 실제 객체를 얼마나 빠뜨리지 않고 찾았는지(Recall)을 나타내는 두 지표. 이 두 지표의 관계를 그래프로 나타낸 곡선

객체 인식에서의 활용:

mAP 특징

• 종합 평가 지표(정확도와 재현율 모두 고려)
• 클래스 균형(모든 객체 클래스 성능 공평하게 평가함)
• 비교 가능(서로 다른 모델 간 객관적 성능 비교 가능)
• 임계값 독립적(특정 임계값 의존x. 안정적o)

그 결과!

• 거의 모든 객체 감지 모델(e.g., YOLO, R-CNN, SSD 등)등에서 mAP로 성능 비교
• 대표 데이터셋(e.g., PASCAL VOC, COCO 등)에서도 공식 평가 지표로 사용

한 줄 요약
: mAP는 객체 감지 모델 성능을 측정하는 대표 펴가지표로 정확하고 안정적이기에 대부분의 객제 감지 모델과 데이터셋에서도 사용된다