Welche Metriken werden für die Segmentierung und Objekterkennung verwendet?

Für Aufgaben der Segmentierung und Objekterkennung in der Computer Vision werden die folgenden Hauptmetriken verwendet:

• IoU (Intersection over Union) — Maß für die Überlappung zwischen dem vorhergesagten Bereich und dem tatsächlichen Bereich des Objekts. Wird zur Bewertung der Qualität der Erkennung und Segmentierung verwendet.

• mAP (mittlere Durchschnittliche Präzision) — Durchschnittswert der Präzision bei verschiedenen IoU-Schwellen und Klassen. Wird häufig zur Bewertung von Objektdetektoren verwendet.

• Pixelgenauigkeit — Anteil der korrekt klassifizierten Pixel bei der Segmentierungsaufgabe.

• Dice-Koeffizient (F1-Score für Segmentierung) — Maß für die Ähnlichkeit zwischen zwei Mengen (vorhergesagte und wahre Maske), besonders beliebt in der medizinischen Segmentierung.

• Präzision und Recall — Genauigkeit und Vollständigkeit bei der Objekterkennung, wichtig zur Bewertung der Erkennungsqualität.

Beispiel: Für die Objekterkennung zeigt mAP@0.5 (IoU-Schwelle 0.5), wie genau das Modell Objekte mit einer Überlappung von mindestens 50% findet.