참조

mAP, IOU란 + Object Detection 성능 평가 지표의 이해 및 예시

1. IOU(Intersection Over Union)

• 객체 검출의 정확도를 평가하는 지표. 일반적으로 Object Detection에서 개별 객체(Object)에 대한 검출(Detection)이 성공하였는지를 결정하는 지표로 0~1 사이의 값을 가짐.

• 실제 객체 위치 bounding box $\colorbox{yellow}{Bgt = gournd truth}$와 예측한 bounding box $\colorbox{skyblue}{Bp = prediction}$ 두 box가 중복되는 영역의 크기를 통해 평가 하는 방식으로 겹치는 영역이 넓을 수록 잘 예측한 것으로 평가

2. Precision & Recall

2.1 TP, FP, FN, TN with Confusion Matrix

• TP (True Positive, 실제 양성 예측 양성) : 올바른 탐지. IOU ≥ threshdold
• FP (False Positive, 실제 음성 예측 양성) : 오탐(음성을 양성으로 탐지) IOU ≤ threshold
• FN (True Negative, 실제 양성 예측 음성) : 미탐(탐지하지 못함)
• TN (True Negative, 실제 음성 예측 음성) : 미적용. Object Detection에서는 이미지 내에서 감지되면 안되는 bounding box가 있으며, 따라서 TN은 올바르게 감지되지 않은 모든 bounding box인데, 이미지 내에는 bounding box가 너무 많으므로 메트릭에서는 사용하지 않음.