Koje metrike se koriste za segmentaciju i detekciju objekata?

Za zadatke segmentacije i detekcije objekata u računarstvu, koriste se sledeće glavne metrike:

• IoU (Presek preko Unije) — mera preklapanja između predviđene oblasti i stvarne oblasti objekta. Koristi se za ocenu kvaliteta detekcije i segmentacije.

• mAP (prosečna preciznost) — prosečna vrednost preciznosti na različitim pragovima IoU i klasama. Često se koristi za ocenu detektora objekata.

• Preciznost piksela — udeo pravilno klasifikovanih piksela u zadatku segmentacije.

• DICE koeficijent (F1-score za segmentaciju) — mera sličnosti između dve skupine (predviđena i stvarna maska), posebno popularna u medicinskoj segmentaciji.

• Preciznost i Recall — tačnost i potpunost za otkrivanje objekata, važni za ocenu kvaliteta detekcije.

Primer: za detekciju objekata, mAP@0.5 (IoU prag 0.5) pokazuje koliko tačno model pronalazi objekte sa preklapanjem od najmanje 50%.