Quali metriche vengono utilizzate per la segmentazione e il rilevamento degli oggetti?

Per i compiti di segmentazione e rilevamento degli oggetti nella visione artificiale, vengono utilizzate le seguenti metriche principali:

• IoU (Intersezione su Unione) — misura della sovrapposizione tra l'area prevista e quella reale dell'oggetto. Viene usata per valutare la qualità del rilevamento e della segmentazione.

• mAP (Precisione Media) — valore medio di precisione a diverse soglie di IoU e classi. Spesso impiegata per valutare i rilevatori di oggetti.

• Precisione dei pixel — proporzione di pixel correttamente classificati nel compito di segmentazione.

• Coefficiente di Dice (F1-score per la segmentazione) — misura di somiglianza tra due insiemi (maschera prevista e reale), particolarmente popolare nella segmentazione medica.

• Precisione e Recall — accuratezza e completezza per il rilevamento degli oggetti, importanti per valutare la qualità del rilevamento.

Esempio: per il rilevamento degli oggetti, mAP@0.5 (soglia IoU 0.5) indica quanto accuratamente il modello trova gli oggetti con una sovrapposizione di almeno il 50%.