| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | ||
| 6 | 7 | 8 | 9 | 10 | 11 | 12 |
| 13 | 14 | 15 | 16 | 17 | 18 | 19 |
| 20 | 21 | 22 | 23 | 24 | 25 | 26 |
| 27 | 28 | 29 | 30 |
Tags
- 알고리즘
- 너비 우선 탐색
- 우선 순위 큐
- 세그먼트 트리
- back propagation
- 2023
- lazy propagation
- 미래는_현재와_과거로
- object detection
- 가끔은 말로
- 분할 정복
- 백트래킹
- c++
- dropout
- 조합론
- 문자열
- 회고록
- DP
- tensorflow
- pytorch
- dfs
- 다익스트라
- BFS
- 이분 탐색
- 자바스크립트
- 크루스칼
- Overfitting
- 플로이드 와샬
- NEXT
- 가끔은_말로
Archives
- Today
- Total
목록DETECTOR (1)
Doby's Lab
mAP (mean Average-Precision)에 대하여
일반적으로 Object Detector의 성능이 얼마나 좋은지에 대한 지표로는 mAP가 널리 쓰이고 있습니다. 오늘은 mAP는 어떻게 도출되는 결과인지에 대해 알아보겠습니다. ✅ Precision(정확도), Recall(검출율, 재현율) 우선 Precision과 Recall에 대해 알고 있어야 합니다. 그리고, Precsion과 Recall에 대해 알기 위해서는 Confusion Matrix에 대한 개념을 알고 있어야 합니다. 위 그림이 Confusion Matrix입니다. 예를 들어, Detector가 Positive라고 판단했을 때, 이것은 Detector의 입장일 뿐입니다. 실제로 이것이 Positive인지 Negative인지는 모릅니다. 그런데 이것이 실제라고 했을 때는 Positive가 맞다는 ..
Computer Vision (CV)
2023. 2. 7. 23:46