首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >问答首页 >用于目标检测的顶点-AI AutoML平均精度度量

用于目标检测的顶点-AI AutoML平均精度度量
EN

Stack Overflow用户
提问于 2022-10-12 08:19:58
回答 1查看 56关注 0票数 0

我训练了一个对象检测模型(大约1400个训练图像,180个验证和180个测试图像,有6个类和包围框烦恼)使用顶点-ai自动特性。我遵循这个链接,一切顺利,我可以训练模型(使用automl作为方法)。评价结果如下

同时,我还附上了精确召回曲线。

在这里,我对指标有一些疑问。

  1. 平均精度显示为0.595。它是只在一个IoU阈值0.5或多个阈值,如通常报告的COCO度量(AP@0.5,0.95,0.05)或任何其他方式计算?
  2. 如果我更改IoU阈值(使用bar),平均精度不会改变。我想问为什么会这样?
  3. 在给定的置信度和IoU阈值下报告查全率和召回率,对吗?(我很肯定是这样的,但我想再确认一次)

如果你需要我提供更多的细节,请告诉我。

谢谢。

EN

回答 1

Stack Overflow用户

发布于 2022-10-20 09:50:35

考虑以下答案:

  1. IoU阈值是计算预测分数的一种方法。为了客观地判断模型是否正确地预测了箱体的位置,采用了该阈值。 如果模型预测一个IoU分数大于或等于阈值的框,则预测盒与地面真相盒之间有很高的重叠。这表明该模型能够成功地检测到一个对象。所以在你的例子中,模型是预测图像的IoU阈值为0.5。
  2. 度量标准通常会随着阈值的变化而变化,我建议在Google 支持/问题跟踪器线程上这样问。
  3. 是的,你是对的。
票数 2
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/74038615

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档