Quelles métriques sont utilisées pour la segmentation et la détection d'objets?

Pour les tâches de segmentation et de détection d'objets en vision par ordinateur, les métriques principales suivantes sont utilisées:

• IoU (Intersection over Union) — mesure de la superposition entre la région prédite et la vraie région de l'objet. Utilisée pour évaluer la qualité de la détection et de la segmentation.

• mAP (moyenne de précision) — valeur moyenne de la précision à différents seuils d'IoU et classes. Souvent utilisée pour évaluer les détecteurs d'objets.

• Précision des pixels — proportion de pixels correctement classés dans la tâche de segmentation.

• Coefficient de Dice (F1-score pour la segmentation) — mesure de similarité entre deux ensembles (masque prédit et vrai), particulièrement populaire en segmentation médicale.

• Précision et Rappel — précision et exhaustivité pour la détection d'objets, importantes pour évaluer la qualité de la détection.

Exemple : pour la détection d'objets, mAP@0.5 (seuil IoU 0.5) indique à quel point le modèle trouve précisément des objets avec une superposition d'au moins 50%.