Object Detection!

성능평가의 개념

 

mAP(mean aveage precision)

 

mAP를 계산하기 위해 필요한 개념

- confusion matrix

Ground Truth	Prediction
	1	0
1	TP(True Positive)	FN(False Negative)
0	FP(False Positive)	TN(True Negative)

 

- Precision & Recall

 

 \(Precision = \frac{TP}{TP+FP} = \frac{TP}{All~detection} \) - positive중에 맞춘 positive를 찾는것

\(Recall = \frac{TP}{TP+FN} \frac{TP}{All~Ground~Truths} \) - 정답에 가까운 의미

 

- PR curve

Ground Truth: 10개

Predict : 아래 10개의 객체

	category	confidence	TP/FP
1	Plastic	72%	TP
2	Plastic	80%	TP
3	Plastic	41%	FP
4	Plastic	10%	TP
5	Plastic	60%	TP
6	Plastic	32%	FP
7	Plastic	82%	FP
8	Plastic	95%	TP
9	Plastic	90%	TP
10	Plastic	70%	FP

 

Confidence로 내림차순 정렬

	category	confidence	TP/FP	누적 TP	누적 FP	Precision	Recall
8	Plastic	95%	TP	1	-	1/1	1/10
9	Plastic	90%	TP	2	-	2/2	2/10
7	Plastic	82%	FP	3	1	2/3	2/10
6	Plastic	80%	TP	4	1	3/4	3/10
1	Plastic	72%	TP	5	1	4/5	4/10

Precision과 Recall을 계산하여

x축 : Recall

y축 : precision

값들을 점을 찍어 이어서 그린 그래프

 

- AP (Average Precision)

PR curve의 적분값

 

-mAP(mean Average Precision)

모든 객체에대한 AP의 평균

 

- IOU (Intersection Over Union)

Detection분야에서의 precision과 recall

\( IOU = \frac{overlapping~region}{combined~region} \)

 

True/False를 구분하는 기준이 됨!!

예시 mAP50 ~ IOU가 0.5일때의 mAP 값

 

 

속도 평가의 개념

1. FPS(Frames per second)

2. Flops(Floating points operation) - 연산량의 횟수