Jakie metryki są używane do segmentacji i detekcji obiektów?

Dla zadań segmentacji i wykrywania obiektów w wizji komputerowej używa się następujących głównych metryk:

• IoU (Intersection over Union) — miara nakładania się przewidywanego obszaru i rzeczywistego obszaru obiektu. Używana do oceny jakości detekcji i segmentacji.

• mAP (średnia precyzja) — średnia wartość precyzji dla różnych progów IoU i klas. Często stosowana do oceny detektorów obiektów.

• Dokładność pikseli — odsetek poprawnie sklasyfikowanych pikseli w zadaniu segmentacji.

• Współczynnik Dice (F1-score dla segmentacji) — miara podobieństwa dwóch zbiorów (przewidywana i prawdziwa maska), szczególnie popularna w medycznej segmentacji.

• Precyzja i Recall — dokładność i czułość dla wykrywania obiektów, ważne do oceny jakości detekcji.

Przykład: dla wykrywania obiektów mAP@0.5 (próg IoU 0.5) pokazuje, jak dokładnie model znajduje obiekty z nakładaniem co najmniej 50%.