인공지능

• IoU (Intersection Over Union)
• 정밀도(Precision)
• 재현율(Recall)
• AP (Average Precision)
• mAP (mean Average Precision)

한장에 하나의 라벨이 달려 학습시키는 이미지 분류와는 달리 객체분류는 바운딩박스의 위치를 기준으로 정확도를 측정하게 된다.

IoU

정의:IoU란 두 경계 상자간의 겹침을 평가하는 Jaccard Index 를 기반으로 하는 측정 기법이다. 여기서 두 경계 상자간이라 함은 GT 박스와 검출된(예측된) 박스를 뜻한다. IoU 를 적용하면 탐지 결과가 유효한지 아닌지를 알 수 있으며 식으로 표현하면 아래와 같다. 

출처: https://eehoeskrap.tistory.com/546 [Enough is not enough:티스토리]

정밀도

정의:예측된 결과가 얼마나 정확한지를 나타낼 수 있는 지표이다.

(실제로 맞은것/맞다고 추측한것)

재현율

정의: 검출되어야 할 객체들 중에서 제대로 검출된 것의 비율을 뜻한다.

(맞다고 추측한것/실제로 맞은것)

정밀도와 재현율은 반비례 관계이다.

AP (Average Precision)

정의:Average Precision의 계산은 Recall 을 0부터 0.1 단위로 증가시켜서 1까지 (총 11개의 값) 증가 시킬 때 필연적으로 Precision 이 감소하게 되는데 각 단위 마다 Precision 값을 계산하여 평균을 내어 계산한다. 즉 11가지의 Recall 값에 따른 Precision 값들의 평균을 AP라고 한다.

mAP (mean Average Precision)

정의:. 하나의 클래스 마다 AP 값을 계산 할 수 있으며 전체 클래스 갯수에 대해 AP를 계산하여 평균을 낸 값이 바로 mAP 이다.