Welke metrics worden gebruikt voor segmentatie en objectdetectie?

Voor taken in segmentatie en objectdetectie in computervisie worden de volgende hoofdmetriek gebruikt:

• IoU (Intersection over Union) — maat voor de overlap tussen het voorspelde gebied en het werkelijke gebied van het object. Gebruikt om de kwaliteit van detectie en segmentatie te beoordelen.

• mAP (gemiddelde precisie) — gemiddelde precisiewaarde over verschillende IoU-drempels en klassen. Vaak gebruikt voor het evalueren van objectdetectoren.

• Pixelprecisie — het aandeel correct geclassificeerde pixels bij segmentatietaken.

• Dice-coëfficiënt (F1-score voor segmentatie) — maat voor de gelijkenis tussen twee verzamelingen (voorspelde en echte maskers), vooral populair in medische segmentatie.

• Precisie en Recall — nauwkeurigheid en volledigheid bij het detecteren van objecten, belangrijk voor het beoordelen van de detectiekwaliteit.

Voorbeeld: voor objectdetectie toont mAP@0.5 (IoU-drempel 0.5) hoe nauwkeurig het model objecten vindt met een overlap van minstens 50%.