Quais métricas são usadas para segmentação e detecção de objetos?

Para tarefas de segmentação e deteção de objetos em visão computacional, utilizam-se as seguintes métricas principais:

• IoU (Interseção sobre União) — medida de sobreposição entre a região prevista e a verdadeira região do objeto. Usada para avaliar a qualidade da deteção e segmentação.

• mAP (Precisão Média) — valor médio de precisão em diferentes limiares de IoU e classes. Frequentemente usado para avaliar detectores de objetos.

• Precisão de Pixels — proporção de pixels corretamente classificados na tarefa de segmentação.

• Coeficiente de Dice (F1-score para segmentação) — medida de similaridade entre dois conjuntos (máscara prevista e verdadeira), especialmente popular em segmentação médica.

• Precisão e Recall — precisão e recall para a deteção de objetos, importantes para avaliar a qualidade da deteção.

Exemplo: para deteção de objetos, mAP@0.5 (limiar de IoU 0.5) mostra o quão precisamente o modelo encontra objetos com uma sobreposição de pelo menos 50%.