📌 학습 정리
1. Object Detection IN Real Time
object detection은 real world와 많이 맞닿아 있기 때문에 real time 으로 구현(detection)하는 것을 중요시함.
→ 성능도 중요하지만 속도도 중요하다~
2. TP, TN,..
→ 이렇게 있을 때 뒤에 붙은 부분을 모델의 예측이라고 보면 됨
→ positive라고 예측한게 true 구나~ 맞구나~
→ negative로 예측한게 맞구나~ 정답도 negative구나~
3. precision & recall
precision → 예측 관점
recall → 정답 관점
4. AP(average precision)
AP(average precision)
→ pr curve 그리고 난 뒤의 아랫면적
→ 그래서 최소 0 최대 1
→ 0~1의 값을 가지는 metric
5. MAP
→ 플라스틱, 종이 박스, 등 여러 클래스에 대해 AP를 다 계산
→ 평균
6. IOU
iou 가 0.5이상이면 true 혹은 0.6 … 이런식으로 TP FP 의 기준을 부여
→ 40 → 40% → 0.4
우리가 정하는 IOU 기준에 따라서 TP, FP가 정해진다..
→ PRECISION, RECALL 도 달라진다..
자율주행 같은 분야..? 의료 분야에서는 특히 IOU 기준이 높아야 겠는데..? 내 생각..
그래서 DETECTION은 MAP + IOU의 METRIC으로 평가한다..
→ IOU가 0.5이상인 애들은 TRUE 그 미만은 FALSE라고 했을 때의 MAP가 어떻게 되나 하는 평가 METRIC
→ 숫자가 높을수록 엄격
7. Detection에서의 Resolution
→ 이미지 해상도(사이즈)
→ detection은 작은 객체도 잘 구별해야 함
→ 이미지 사이즈가 매우 큰 편
→ 연산량 많음
→ 한 gpu batch에 담을 수 있는 이미지 개수가 상당히 적어진다
📌 detection을 제대로 이해해서 전문가가 된다면 아주 강력한 무기를 가진, 경쟁력 있는 데이터 과학자가 될 수 있다!!! 파이팅!!
'Naver AI Tech 7기 > LEVEL2' 카테고리의 다른 글
Week13 주간 학습정리 - [Semantic Segmentation 강의 정리] (1) | 2024.11.15 |
---|---|
Week12 주간 학습정리 - [Data-Centric CV 대회 후 회고] (0) | 2024.11.08 |
Week11 주간 학습정리 - [Data-Centric CV 내용 정리] (0) | 2024.11.01 |
Week10 주간 학습정리 - [CV level 2 대회 완료 후 회고] (4) | 2024.10.25 |
Week9 주간 학습정리 - [CV level 2 대회 진행 중] (0) | 2024.10.18 |