IoU eine bessere Erkennungsbewertungsmetrik

Blog

Die Auswahl der besten Modellarchitektur und vortrainierten Gewichte für Ihre Aufgabe kann schwierig sein. Wenn Sie jemals an einem Objekterkennungsproblem gearbeitet haben, sind Sie beim Vergleich verschiedener Modelle zweifellos auf Diagramme und Tabellen gestoßen, die den folgenden ähneln.



reagieren vs eckig 2020



Rechte Bildquelle: YOLOv4 [3]. Linke Bildquelle: EfficientDet [4]

Die Hauptsache, die Sie aus Vergleichen wie diesen erhalten, ist, welches Modell einen höheren mAP im COCO-Datensatz hat als andere Modelle. Aber wie viel bedeutet Ihnen das wirklich? Sie müssen aufhören, sich ausschließlich aggregierte Metriken anzusehen, sondern sich die Daten- und Modellergebnisse genauer ansehen, um zu verstehen, was funktioniert und was nicht.



In den letzten Jahren wurden große Fortschritte gemacht, um ähnliche Erkennungsergebnisse mit schnelleren Modellen zu erzielen, sodass mAP nicht der einzige Faktor ist, der beim Vergleich zweier Detektoren berücksichtigt werden muss. Unabhängig davon, wie schnell Ihr Modell ist, muss es dennoch qualitativ hochwertige Erkennungen bereitstellen, die Ihren Anforderungen entsprechen .

So kaufen Sie Shiba-Münzen bei uns

Es ist zwar wichtig, verschiedene Modelle leicht vergleichen zu können, aber die Leistung eines Modells auf eine einzelne Zahl (mAP) kann die Feinheiten in den Modellergebnissen verschleiern das kann für dein problem wichtig sein. Sie sollten auch bedenken:

  • Dichtheit des Begrenzungsrahmens (IoU)
  • Falsch positive Ergebnisse mit hohem Vertrauen
  • Einzelproben zur Stichprobenprüfung der Leistung
  • Leistung in Klassen, die für Ihre Aufgabe am relevantesten sind

Was ist mAP?

Die mittlere durchschnittliche Präzision (mAP) wird verwendet, um die Genauigkeit einer Reihe von Objekterkennungen aus einem Modell im Vergleich zu Ground-Truth-Objektannotationen eines Datensatzes zu bestimmen.

Wir werden hier nicht ins Detail gehen, aber Sie sollten die Grundlagen verstehen. Bei Interesse gibt es eine große Auswahl an Beiträgen, die sich mit mAP ausführlicher befassen [ 6 , _ 7_ ].

IoU

Bei der Berechnung von mAP wird Intersektion über Union (IoU) verwendet. Es ist eine Zahl von 0 bis 1, die den Überlappungsbetrag zwischen der vorhergesagten und der Ground-Truth-Bounding Box angibt.

  • ein IoU von 0 bedeutet, dass es keine Überlappung zwischen den Boxen gibt
  • ein IoU von 1 bedeutet, dass die Vereinigung der Boxen gleich ihrer Überlappung ist, was bedeutet, dass sie sich vollständig überlappen

#Objekterkennung #Maschinelles Lernen #Visualisierung #Auswertung #fünfzig

zudatascience.com

IoU eine bessere Erkennungsbewertungsmetrik

Die Wahl des richtigen Objekterkennungsmodells bedeutet, mehr als nur mAP zu betrachten. Die Auswahl der besten Modellarchitektur und vortrainierten Gewichte für Ihre Aufgabe kann schwierig sein. Wenn Sie jemals an einem Objekterkennungsproblem gearbeitet haben, sind Sie beim Vergleich verschiedener Modelle zweifellos auf Diagramme und Tabellen gestoßen, die den folgenden ähneln.

Linux vorübergehender Fehler bei der Namensauflösung