객체 감지

이는 객체를 찾지 않고 라벨을 부여할 수 있는 이미지 분류와, 픽셀 수준 영역을 설명하는 분할과 다릅니다.

주요 시사점

• 일관된 인스턴스 주석을 정의하세요.
• 일치 및 임계값 설정을 보고하세요.
• 작고 숨겨져 있거나 붐비는 물체를 테스트하세요.

탐지 데이터셋은 일관된 라벨과 위치 주석이 필요합니다. 부분적으로 숨겨진 객체, 매우 작은 인스턴스, 모호한 범주 처리 방법을 정의하세요. 일관성 없는 박스나 누락된 객체는 학습과 평가 모두를 혼란스럽게 할 수 있습니다. 모델의 출력에는 보통 각 후보에 대한 점수와 위치가 포함됩니다. 후처리는 중복 예측을 제거하거나 임계값을 적용할 수 있습니다. 이러한 설정은 놓친 객체와 거짓 탐지 간의 균형에 영향을 미치며, 결과와 함께 기록되어야 합니다. 위치화와 카테고리 정확성을 함께 평가하세요. 교차 오버 합은 예측된 영역과 참조 영역 간의 겹침을 측정합니다. 정밀도와 호출률은 매칭 규칙, 점수 임계값, 포함된 객체 크기에도 의존합니다. 흐림, 조명 변화, 가림, 혼잡한 장면 등 실제 캡처 조건을 테스트합니다. 검출기는 큰 고립된 객체에서는 강하게 보일 수 있지만, 배포 시 중요한 작거나 부분적으로 숨겨진 객체는 놓칠 수 있습니다. 불확실한 탐지가 결과적 행동을 유발하기 전에 어떻게 검토되는지 정의하세요.

1. 10x10 박스 두 개를 사용하세요. 두 번째 박스는 수평으로 5단위 이동해서 5x10 영역에 겹치게 합니다.
2. 교차 면적은 50이고, 유니언은 100+100−50 = 150입니다. 유니언 위의 교차로는 50/150, 약 0.33입니다.
3. 0.5 매칭 임계값 이하로는, 상당히 눈에 띄는 중복이 있음에도 불구하고 박스들은 충분한 로컬라이제이션 매칭으로 인정되지 않습니다.

구성된 기하학은 한 가지 평가 요소를 설명한다; 이는 검출기 벤치마크가 아니다.