Jaké metriky se používají pro segmentaci a detekci objektů?

Pro úkoly segmentace a detekce objektů ve strojovém vidění se používají následující hlavní metriky:

• IoU (Intersection over Union) — míra překrytí mezi předpovězenou oblastí a skutečnou oblastí objektu. Používá se k hodnocení kvality detekce a segmentace.

• mAP (průměrná přesnost) — průměrná hodnota přesnosti při různých prahových hodnotách IoU a třídách. Často se používá k hodnocení detektorů objektů.

• Pixelová přesnost — podíl správně klasifikovaných pixelů v úloze segmentace.

• Dice koeficient (F1-score pro segmentaci) — míra podobnosti mezi dvěma množinami (předpovězenou a skutečnou maskou), obzvlášť populární v lékařské segmentaci.

• Přesnost a Recall — přesnost a úplnost při detekci objektů, důležité pro hodnocení kvality detekce.

Příklad: pro detekci objektů ukazuje mAP@0.5 (práh IoU 0.5), jak přesně model najde objekty s překryvem alespoň 50%.