¿Qué métricas se utilizan para la segmentación y detección de objetos?

Para tareas de segmentación y detección de objetos en visión por computadora, se utilizan las siguientes métricas principales:

• IoU (Intersección sobre Unión) — medida de la superposición entre la región predicha y la verdadera región del objeto. Se usa para evaluar la calidad de la detección y segmentación.

• mAP (Precisión media promedio) — valor medio de precisión en diferentes umbrales de IoU y clases. Se aplica comúnmente para evaluar detectores de objetos.

• Precisión de píxeles — proporción de píxeles correctamente clasificados en la tarea de segmentación.

• Coeficiente de Dice (F1-score para segmentación) — medida de similitud entre dos conjuntos (máscara predicha y verdadera), especialmente popular en segmentación médica.

• Precisión y Recall — precisión y exhaustividad para la detección de objetos, importantes para evaluar la calidad de la detección.

Ejemplo: para detección de objetos, mAP@0.5 (umbral de IoU 0.5) indica qué tan precisamente el modelo encuentra objetos con una superposición de al menos el 50%.