要点:
- 精度 (正確率): TP/(TP+FP)、つまり、モデルによって与えられたすべての予測のうち、実際のターゲットに的中した割合。
- 再現率 (再現率): TP/(TP+FN)、すべての正しいターゲットに対する見つかった正しいターゲットの比率。
公式ドキュメント: https://cocodataset.org/#detection-eval
参考記事：mAPの計算
ターゲット検出における一般的な指標:
- TP (True Positive):正しい検出、検出された IOU ≧ しきい値。つまり、正しく分類され、正しい境界ボックス座標を持つ予測された境界ボックスの数です。
- FP (False Positive):誤った検出、検出された IOU < しきい値。つまり、予測されたバウンディングボックス内の分類エラーの数、または基準を満たさないバウンディングボックスの座標の数、つまり、すべての予測されたバウンディングボックスのうち、予測された正しいバウンディングボックスを除いた残りのバウンディングボックスの数です。
- FN (False Negative):検出されていないグランド トゥルース。すべての予測されていない境界ボックス、つまり正しい境界ボックス (グラウンド トゥルース) の数から、予測された正しい境界ボックスと残りの境界ボックスの数が削除されます。
- 精度 (精度/正確さ): 「精度とは、関連するオブジェクトのみを識別する モデルの能力です 。」、精度は、関連するオブジェクトのみを見つけるモデルの能力であり、 TP/(TP+FP)に等しくなります。つまり、モデルによって与えられるすべての予測結果のうち、実際のターゲットに的中する割合です。
- 再現率 (再現率): 「再現率は、すべての関連するケース (すべてのグラウンド トゥルース境界ボックス) を見つけるモデルの能力です。」、再現率は、すべての関連するターゲットを見つけるモデルの能力であり、TP/(TPに等しい) +FN )。つまり、モデルによって与えられる予測結果によってカバーできる実際のターゲットの数と、すべての正しいターゲットに対する見つかった正しいターゲットの比率です。
- 一般的に、複数カテゴリのターゲット検出タスクでは、各カテゴリの TP、FP、および FN の数が個別に計算され、各カテゴリの精度と再現率がさらに計算されます。
- スコア、信頼度: 予測された各境界ボックスのスコア/信頼度。論文によって表現方法が異なります。つまり、モデルは、予測された各境界ボックスの分類結果と境界座標を提供する必要があるだけでなく、その境界ボックスにターゲットが含まれている可能性も提供する必要があります。スコア/信頼度が高いということは、モデルがターゲットを含む可能性が高いと考えていることを意味します。 target が含まれているか、モデルはスコア/信頼性の高い境界ボックスを優先します。
- 適合率 x 再現率曲線 ( PR 曲線):すべての適合率と再現率のポイントを接続することによって形成される曲線(通常、予測ボックスのカテゴリごとに個別の PR 曲線が作成されます)。同じ再現値の下に複数の精度値が存在する理由については、次の部分で説明をご覧ください。
-
AP (平均精度):平均精度、さまざまなリコールの下での最高精度の平均値(一般に、それぞれの AP はカテゴリごとに計算されます)。
-
mAP (平均 AP):平均精度の平均、AP の各カテゴリの平均。
COCO 評価 結果：
