[CV] Object Detection Metric-IoU, mAP

컴퓨터 비전(computer vision)

• cv는 인간의 시각과 관련된 부분을 컴퓨터 알고리즘을 이용해서 구현하는 방법을 연구하는 분야

• 이미지 분류(image classification, segmantic image segmentation, object detection 등의 컴퓨터 비전의 대표적인 문제

• 컴퓨터 비전 문제를 풀기 위해선 딥러닝 여러 구조 중 CNN이 많이 사용됨.

컴퓨터 비전 문제 영역 - object Detection

• object Detection : 물체가 있는 영역의 위치 정보를 bounding box로 찾고 bounding box내에 존재하는 사물의 라벨(label)을 분류하는 문제 영역

Object Dectection 문제 영역의 출력값 - x_min, y_min, x_max, y_max, class, confidence

• x_min : 물체의 bounding box의 왼쪽 위(left-top) x좌표

• y_min : 물체의 bounding box의 왼쪽 위(left-top) y좌표

• x_max : 물체의 bounding box의 오른쪽 아래(Right-Bottom) x좌표

• y_max : 물체의 bounding box의 오른쪽 아래(Right-Bottom) y좌표

• class : bounding box에 속한 물체의 class

• confidence : bounding box에 실체 물체가 있을 것이라고 확신하는 정도를 나타내는 값(0.0~1.0 사이의 값)

Open Image Dataset Ground Truth

• Object Detection 문제 영역의 Ground Truth 데이터는 사람이 지정한 Bounding Box와 Class Label

• 정답 Ground Truth 데이터와 비교했을 때, 예측 값의 성능을 비교하기 위한 metric이 필요

Metric 1 - Intersection over Union(IoU) Metric

• IoU은 1개의 Bounding Box와 1개의 Bounding Box가 얼마나 일치하는지를 0.0~1.1사이 값으로 표현

• 2개의 bounding box가 일치할 수록 1.0에 가까운 값이 되고, 일치하지 않ㅇ르수록 0.0에 가까운 값이 나오게 됨.

 

Metric 2 - Precision, Recall, F1

• Precision : 정밀도(Precision)는 검색된 결과들 중 관련 있는 것으로 분류된 결과물의 비율

• Recall : 재현율(Recall)은 관련 있는 것으로 분류된 항목들 중 실제 검색된 항목들의 비율

• F1 : Precision과 Recall의 조화평균. Precision과 Recall을 한번에 비교 가능

Metric 2 - Average Precision(AP)

• Positive 판단 기준 : 일정한 임계치의 IoU(예를 들어, Pascal VOC 데이터셋의 경우, 0.5)를 넘기면 맞춘 것으로 간주

• Average Precison(AP) : Recall별 Precision의 평균(confidence가 높은 예측결과 순으로 정렬했을 때, 몇번째 이미지까지를 비교대상으로 삼을 것인가?)

• Mean Average Precision(mAP) : class들의 Average Precision의 평균

mAP (mean Average Precision) for Object Detection

AP (Average precision) is a popular metric in measuring the accuracy of object detectors like Faster R-CNN, SSD, etc. Average precision…

https://jonathan-hui.medium.com/map-mean-average-precision-for-object-detection-45c121a31173