mAP(mean average precision)

몇 달만에 게시글인가... 감격... 그러나 나에겐 시간이 없으므로 공부한 것 몇개만 올려보려고 한다.

---

mAP(mean average precision) 

CNN 모델 성능평가 시 사용한다. 검출율과 정확도를 동시에 고려해야하므로 사용한다.

 

이 mAP를 어떻게 계산할 수 있을까?

 

Classification metric

다음과 같이 Classification metric이 존재한다. 이미 많이 본 표이기때문에 익숙하다. 

		target value
		Y	N
prediction	Y	TP	FP
	N	FN	TN

 

IOU(Intersection over union) 

모델이 예측한 BBox와 실제 box의 중복면적을 구하는 것이다. 0.5 이상이면 TP로 판단한다 보통(임의 설정 가능)

붉은색=실제 초록색=예측

PR Curve

Precision과 Recall로 이루어진 그래프이다. x축은 recall y축은 precision이다.

• Precision(정확도): 실제로 맞춘 정답의 비율
  • TP/TP+FP
• Recall(재현율): 탐지율
  • TP/TP+FN

아래 그림에 나와있는 것과 같이 recall 값과 precision 값간의 상관관계를 한 눈에 볼 수 있다. 

https://www.geeksforgeeks.org/precision-recall-curve-ml/

•  

 

AP(average precision) 

mAP는 AP의 mean value이다. 물체의 class가 여러개인 경우 각 class당 AP를 구해 전체 평균 AP를 구한다.

AP는 무엇일까?

 

Computer vision에서 object detection 성능은 대부분 이 AP로 측정한다.

아래 출처 블로그에 나와있듯이, 위의 PR curve를 max precision to the right value로 replace 해준다.

그렇게하면 아래는 사각형으로만 이루어지게되고, 이때 사각형의 넓이가 AP이다. 

https://jonathan-hui.medium.com/map-mean-average-precision-for-object-detection-45c121a31173

 

 

REFERENCES

https://hoon427.tistory.com/52

https://ctkim.tistory.com/79

https://a292run.tistory.com/entry/mean-Average-PrecisionmAP-%EA%B3%84%EC%82%B0%ED%95%98%EA%B8%B0-1

https://m.blog.naver.com/sw4r/221681933731

https://jonathan-hui.medium.com/map-mean-average-precision-for-object-detection-45c121a31173