物体検出

これは、対象を特定せずにラベルを割り当てられる画像分類や、ピクセルレベルの領域を記述するセグメントとは異なります。

主なポイント

• 一貫したインスタンス注釈を定義します。
• マッチングと閾値設定を報告してください。
• 小さくて隠れた、混み合った物体をテストしましょう。

検出データセットには一貫したラベルと位置注釈が必要です。部分的に隠されたオブジェクト、非常に小さなインスタンス、曖昧なカテゴリの扱い方を定義します。一貫性のないボックスや省略されたオブジェクトは、訓練や評価の両方を混乱させる可能性があります。モデルの出力は通常、各候補のスコアと位置を含みます。後処理では重複する予測を除去したり、閾値を適用したりします。これらの設定は見逃したオブジェクトと誤検出のバランスに影響を与え、結果とともに記録すべきです。ローカライゼーションとカテゴリの正確性を同時に評価してください。Intersection over Unidentは、予測された領域と参照領域の重なりを測定します。精度やリコールは、マッチングルール、スコア閾値、含まれるオブジェクトサイズにも依存します。ぼかし、照明の変化、遮蔽、混雑したシーンなどの実際のキャプチャ条件をテストします。検出器は大きく孤立したオブジェクトでは強力に見えることがありますが、展開時に重要な小さくて部分的に隠れたオブジェクトは見逃すことがあります。不確実な検出が重要なアクションを引き起こす前にどのようにレビューされるかを定義します。

1. 10×10の発明されたボックスを2つ使います。2つ目は水平に5ユニットずれて、5×10の範囲で重なるようにします。
2. 交差面積は50で、ユニオンは100+100−50=150です。ユニオン上の交差は50/150で、約0.33です。
3. 0.5のマッチング閾値以下では、かなりの目に見える重複があっても、ボックスは十分なローカライゼーションマッチとはみなされません。

構成ジオメトリは評価要素の一つを説明します。これは検出器のベンチマークではありません。