mAP에 설명하기 앞서 IoU에 대한 설명을 간단하게 해드리도록하겠습니다.
IoU
IoU는 Intersection over Union의 약자로 교집합/합집합이라고 생각하면 됩니다.
이 IoU(교집합/합집합)이 임계값에 따라 True/False 가 결정됩니다. 여기서 임계값이란 다음과 같습니다.
임계값(Threshold)
- 특정 클래스로 분류하기 위한 기준치로 이진 분류에서는 기본적으로 0.5로 설정
- 임계값 설정에 따라서 정밀도와 재현율의 값이 달라지는데, 정밀도와 재현율을 균형 있게 예측하는 적절한 임계값을 설정
AP
쉽게 설명하면 AP는 P/R Curve의 아래 영역의 넓이입니다. AUC가 ROC curve의 아래 영역의 넓이를 의미하는 것과 동일합니. Curve의 아래영역을 계산하기 쉽게 하기 위해서 P(precision)/R(recall) Curve가 단조적으로 감소하도록 수정한 후 AP를 계산한다.
mAP는 이 AP값들의 평균이라고 생각하면된다.
'Deeplearning' 카테고리의 다른 글
[논문리뷰]AN IMAGE IS WORTH 16X16 WORDS:TRANSFORMERS FOR IMAGE RECOGNITION AT SCALE(ViT) (0) | 2024.07.24 |
---|---|
[논문리뷰]Attention Is All You Need(transformer) (0) | 2024.07.24 |
[논문리뷰]Neural Machine Translation by Jointly Learning to Align and Translate(Attention) (0) | 2024.07.19 |
RNN에서 디코더와 인코더 (0) | 2024.07.13 |
모델 평가 지표 정리 (0) | 2024.05.23 |