묻다
0.25 IOU에서 0.2mAP 이상의 비디오 감지 속도. 기존 문서에는 이렇게 표현되어 있습니다.
공부할 때 저런 표현을 본적이 없는데…
답변
일반적으로 평균 평균 정밀도(mAP)는 IOU(Interaction over Union)와 메트릭의 조합을 사용하여 표현됩니다.
mAP는 모든 클래스에 대한 평균 정확도를 의미하고 IOU는 예측된 경계 상자와 실제 경계 상자의 교집합 비율을 의미합니다.
[email protected]로 쓰면 IOU가 0.5보다 크거나 같을 때만 mAP가 계산된다는 의미입니다.
반면에 [email protected]:0.95라고 쓰는 것은 IOU가 0.5에서 0.95까지 0.05씩 증가하는 각 값에 대한 mAP를 계산하고 평균화한다는 것을 의미합니다.
그래서 0.25 IOU에 0.2 mAP 이상의 이미지 인식률을 쓴다면 mAP는 IOU가 0.25 이상이고 그 값이 0.2 이상이 되어야만 mAP가 계산됩니다.
정리하면 이미지 인식률은 mAP와 IOU를 함께 사용하여 표현할 수 있으며 mAP@IOU 또는 mAP@IOU1:IOU2 형식으로 쓸 수 있다.
맵이란 무엇입니까?
성능 평가 지표에서 맵은 Mean Average Accuracy의 약자로 물체 감지 알고리즘의 성능을 평가하는 지표 중 하나이다.
카드는 다음과 같이 계산됩니다.
1. 먼저 각 객체에 대해 예측된 경계 상자와 실제 경계 상자의 교점과 합집합의 비율을 찾습니다.
이를 IOU(Intersection over Union)라고 합니다.
IOU는 0과 1 사이의 값을 가지며 값이 높을수록 더 정확한 예측을 나타냅니다.
2. 그런 다음 IOU가 특정 임계값(예: 0.5)을 초과하는 경우에만 예측이 성공한 것으로 간주됩니다.
이 시점에서 예측된 경계 상자의 정확성과 재현율을 평가합니다.
정밀도는 실제 물체와 일치하는 예측된 경계 상자의 백분율을 나타내고 재현율은 예측된 경계 상자와 일치하는 실제 물체의 백분율을 나타냅니다.
3. 그런 다음 정밀도와 재현율을 플로팅하고 정밀도 대 재현율 곡선 아래의 영역을 찾습니다.
이를 평균 정확도(AP)라고 합니다.
AP는 0에서 1 사이의 값을 가지며 값이 높을수록 알고리즘 성능이 좋습니다.
4. 마지막으로 클래스별로 AP가 결정되고 평균이 계산됩니다.
이를 평균 평균 정확도(mAP)라고 합니다.
mAP도 0에서 1 사이의 값을 가지며 값이 높을수록 알고리즘의 성능이 좋습니다.
정리하면 mAP는 객체 검출 알고리즘의 성능을 평가하기 위한 지표로, IOU를 기반으로 예측된 바운딩 박스의 정확도와 재현율을 계산하고 평균 면적을 계산한 후 클래스별로 평균을 낸다.
mAP를 높이는 방법?
mAP를 높이려면 객체 감지 알고리즘의 성능을 향상시켜야 합니다.
물체 감지 알고리즘의 성능을 향상시키는 방법에는 여러 가지가 있습니다.
1. 데이터 세트의 품질과 양을 늘립니다.
데이터 세트가 노이즈가 적고 다양한 개체와 배경을 포함하며 충분한 양의 데이터가 있는 경우 알고리즘은 일반화에 적합합니다.
2. 네트워크 구조 및 하이퍼파라미터의 최적화. 네트워크 구조는 객체 감지에 적합한 형태로 설계되어야 하며 하이퍼파라미터는 학습 속도와 정확도에 영향을 미칩니다.
네트워크 구조와 하이퍼파라미터는 실험적으로 조사하거나 자동으로 최적화할 수 있습니다.
3. 데이터 증대 및 정규화 기술의 사용. 데이터 증대는 원본 데이터에 변환을 적용하여 데이터의 양과 다양성을 인위적으로 늘리는 방법입니다.
정규화는 네트워크가 과적합되지 않도록 보호하는 방법입니다.
이러한 기술은 알고리즘의 일반화 성능과 안정성을 향상시킵니다.
요약하면, mAP를 높이려면 데이터 세트의 품질과 양을 늘리고, 네트워크 구조와 하이퍼파라미터를 최적화하고, 데이터 확대 및 정규화 기술을 사용하여 객체 감지 알고리즘의 성능을 개선해야 합니다.
다른 평가지표가 있나요?
mAP 외에도 객체 감지 스코어링 메트릭에는 IoU(Intersection over Union), AP(Average Precision) 및 AR(Average Recall)이 포함됩니다.
각각의 의미와 계산 방법은 다음과 같습니다.
IoU예측된 바운딩 박스가 실제 객체 위치의 바운딩 박스와 얼마나 겹치는지를 나타내는 지표입니다.
교차 영역을 합집합 영역으로 나눈 값으로 0에서 1 사이의 값을 가집니다.
일반적으로 IoU가 0.5 이상이면 감지가 성공한 것으로 간주됩니다.
AP는 정밀도와 재현율의 관계를 기반으로 객체 감지 알고리즘의 성능을 평가하는 지표입니다.
정밀도는 실제 물체와 일치하는 예측된 경계 상자의 백분율을 나타내고 재현율은 예측된 경계 상자와 일치하는 실제 물체의 백분율을 나타냅니다.
정밀도와 재현율은 서로 반비례하므로 두 값을 모두 고려해야 합니다.
AP는 정밀 재현 곡선 아래 영역을 계산하고 0과 1 사이의 값을 사용합니다.
AR은 평균 회상값을 의미하는 지표입니다.
재현율은 예측된 경계 상자와 일치하는 실제 개체의 백분율이므로 높을수록 좋습니다.
AR은 다양한 IoU 임계값과 최대 감지 수에 대한 재현율을 계산하고 평균화하여 0과 1 사이의 값을 취합니다.
2023/03/12 – (AI 설명) – 확산 모델 중 LoRA 모델에 대해 알아보고 이미지 생성
2023.03.12 – (AI 설명) – 유통 확장 모델인 드림부스 알아보고 이미지 만들기
2023-03-11 – (AI 설명) – Diffusion Technologies에서 Text Inversion을 속성으로 알아봅니다.