분류 전체보기18 Object Detection 성능 평가 지표 mAP with 정밀도와 재현율 개요 mAP란 Object Detection 모델의 성능을 평가하기 위해 사용되는 지표이다. mAP를 구하기 위해서 필요한 정밀도(Precision)과 재현율(Recall) 개념에 대해서 먼저 알아본 후, mAP를 구하는 방법을 알아본다. 정밀도(Precision)과 재현율(Recall) 정밀도(Precision) : (실제 class&bbox = 예측 class&bbox 개수) / (모델이 예측한 class&bbox 개수) 재현율(Recall) : (실제 class&bbox = 예측 class&bbox 개수 ) / ( 실제 class&bbox 개수) 여기서 " 실제 class&bbox = 예측 class&bbox" 는 "실제 class = 예측 class And 실제 bbox = 예측 bbox" 이다... 2024. 2. 17. NMS(Non Max Supression)의 이해 개요 Object Detection 알고리즘은 Region Proposal 단계에서 "object이 있는 정확한 위치"가 아닌 "object가 있을만한 위치"를 찾기 때문에 한 object에 대해서 여러 개의 바운딩 박스가 생성되는 경우가 많다. 따라서 1개의 object에 대해서 해당 object의 경계를 정확하게 표시하는 1개의 바운딩 박스만을 남기는 작업이 필요한데, 이를 수행하는 것이 NMS(None Max Supression)이다. NMS수행 로직 1. Detected 된 bounding box별로 특정 Confidence threshold 이하 bounding box는 먼저 제거(confidence score < 0.5) 2. 가장 높은 confidence score를 가진 box 순으로 내림.. 2024. 2. 17. IoU(Intersection over Union)의 이해와 구현 실습 IoU(Intersection over Union)의 목적과 개념 어느 인공지능 모델이든 성능을 평가하기 위한 지표가 필요하다. Object Detection 모델은 일반적인 분류 모델과는 다른 bounding box라는 아웃풋을 출력한다. 따라서 Object Detection 모델의 성능을 측정(목적)하기 위해 새로운 성능 측정 지표가 필요하고, 이것이 바로 IoU(Intersection over Union)이다. IoU는 모델이 예측한 결과(Predicted Bounding box)와 실제(Ground Truth Bounding box)가 얼마자 정확하게 겹치는가(개념)를 나타낸다. IoU의 계산은 다음과 같이 한다. IoU에 따른 Detection 성능 기준을 어떻게 설정하는지에 따라 달라질 수 있.. 2024. 2. 14. Region Proposal(영역 추정) - Selective Search 기법 Region Proposal(영역 추정) 개념과 목적 앞서 살펴본 Sliding Window 기법은 모든 영역에 대해서 classification&bbox regression 을 실행하기 때문에 계산량이 많다는 문제가 발생한다. 이를 해결(목적)하기 위해 "전체 이미지에서 Object가 있을 만한 후보 영역"을 찾은 후, 이 구역에 대해서만 classification&bbox regression 을 실행하는 방식(개념)이 Region Proposal(영역 추정) 이다. 이러한 Region Proposal의 대표 방법 중 하나가 Selective Search이다. Selective Search 과정 1. 원본 이미지를 최초 segmentation 진행(Over Segmentation) 2. 개별 segme.. 2024. 2. 14. 이전 1 2 3 4 5 다음
