YOLO (YOU ONLY LIVE ONCE?)

[kikiru328]

어림도 없지

• Box나 쳐라!

홀수만 쳐라!

• 승혜
  F >3Y - 8Y
• 혜정
  F > 9Y - 14Y
• 광훈
  F > 15Y - M> 6Y
• 유빈
  M >7Y - 12Y
• 종현
  M > 13Y - 17Y + tjnet

결과는 공유폴더 train_data 폴더에 넣어라

[Jjongu]

무지성 박스 멈춰!

[kikiru328]

[hye-jj]

공지 감사합니다!

[hye-jj]

광훈오빠가 공유해준 블로그 : https://lynnshin.tistory.com/48?category=941325

mAP, IoU 설명

1) Intersection over union(IoU)

• 어떤 데이터셋에 대하여 객체 검출하는 모델의 정확도를 측정하는 평가지표.
• 합성곱 신경망을 사용한 객채 검출 모델(R-CNN, Faster R-CNN, YOLO 등)을 평가할 때 사용.
• 평가하기 위해서는 정답 바운딩 박스와 모델로부터 예측된 predicted bounding box 가 필요함.

두 바운딩 박스를 가지고 IoU = 교집합 영역 넓이/합집합 영역 넓이 를 계산한 값.

2) mAP

• mAP@.5 => Pacal VOC의 mAP 평가 방식, mAP@.5:.95 => COCO의 mAP 평가 방식
• Pacal VOC는 IoU > 0.5 인 detection을 True, 그 이하는 False로 평가하는 방식을 사용.
• COCO는 IoU > 0.5, IoU > 0.55, IoU > 0.6, ..., IoU > 0.95 각각을 기준으로 AP를 계산한 후 이들의 평균을 취하는 방식.

*AP : Average Precision, precision-recall 그래프에서 그래프 선 아래쪽의 면적으로 계산됨. 컴퓨터 비전 분야에서 물체 검출 및 이미지 분류 알고리즘의 성능은 대부분 이 AP로 평가함. 물체 클래스가 여러 개인 경우 각 클래스당 AP를 구한 다음에 그것을 모두 합한 다음에 물체 클래스의 갯수로 나눠줌으로 알고리즘의 성능을 평가 -> mAP(mean average precision), AP가 높을수록 그 알고리즘 성능이 전체적으로 우수하다는 의미.