[Computer Vision] 03 IoU, mAP, BCS, Backbone Architecture

IoU, Intersection over Union

• IoU, Intersection over Union : Object Detection 모델에서 하나의 계측을 예측한 bounding box와 실제 bounding box와의 accuracy를 측정하는 지표       *Union : 합집합, Intersection : 교집합, Over : 나누기

mAP, Mean Average Precision

: Object Detection 모델이 여러 객체를 얼마나 잘 탐지했는지  Ex. 0.519 mAP

• 각 클래스별로 AP, Average Precision을 구한 후, 모든 클래스에 대해 평균을 낸 값이 mAP
• Ex.
  

  실제 자동차 대수 : 10대

  정확하게 탐지한 대수 : 9대 탐지 했다면,

  AP = 0.9 (90%)

Box Confidence Score

: bounding box 안에 객체가 있을 확률

 

Object Detection Architecture

• Backbone ( 팀장 ) = 핵심 정보 추출=Feature Map 추출하여 Neck에게 전달. Ex. ResNet based CNN, Swin Transformer
• Neck = Backbone이 준 특징을 가공 & 정리 Ex. FPN, Feature Pyramid Network, PAN, Path Aggregation Network 
  • Backbone이 뽑아준 특징을 최적화해서 Head가 Detection을 쉽게 할 수 있도록 돕는 단계
• Head = 최종 탐지 단계, Neck에서 가공된 정보를 받아서 최종적으로 class & bounding box 예측 Ex.YOLO Head, DETR Head

 

정리 : IoU는 bounding box를 얼마나 잘 쳤는지 / AP는 특정 클래스를 얼마나 잘 탐지하는지 성능 수준 / mAP는 모든 클래스를 평균적으로 얼마나 잘 탐지했는지 / Box Confidence Score : Bounding box안에 객체가 있을 확률