مختبر الرؤية الحاسوبية الدروس تقييم الاكتشاف
تقييم الاكتشاف
Evaluating object detection
الدقة والاستدعاء ومنحنى PR ومتوسط الدقة mAP في COCO.
هذا المحتوى أُعدّ آلياً من مصادر موثقة ولم تكتمل مراجعته العلمية البشرية بعد. إن وجدت خطأً فأبلغنا.
المقدمة
رقم واحد مثل mAP يخفي تفاصيل كثيرة؛ فهمه يمنع المقارنات المضللة.
الأهداف التعليمية
- تعريف TP وFP وFN في الاكتشاف.
- رسم منحنى PR.
- فهم mAP@[.5:.95].
المتطلبات السابقة
الكبت غير الأقصى.
الشرح العلمي
يُعد التنبؤ صحيحاً إذا تطابقت فئته وتجاوز IoU مع صندوق حقيقي عتبة (0.5 مثلاً) ولم يُطابق ذلك الصندوق تنبؤاً آخر. بترتيب التنبؤات حسب الثقة نحسب الدقة والاستدعاء عند كل نقطة، ومتوسط الدقة AP هو المساحة تحت المنحنى. COCO يحسب المتوسط على عتبات IoU من 0.5 إلى 0.95 وعلى الفئات.
المعادلات الرياضية
Precision = TP/(TP+FP)، Recall = TP/(TP+FN).
مثال عملي
نموذج SSDlite320 المنشور في torchvision له box mAP يقارب 21 على COCO val2017 حسب بطاقته الرسمية، ولا يصح مقارنته برقم مقيس على بيانات أخرى.
خطوات التنفيذ
- اقرأ بطاقة نموذج SSDlite في المختبر.
- لاحظ مصدر المؤشر وبيانات التقييم.
النتائج المتوقعة
تفهم لماذا لا يحسب المختبر mAP من صورة واحدة.
الأخطاء الشائعة
مقارنة mAP مقيسة على مجموعات بيانات مختلفة أو بإعدادات مختلفة.
التطبيقات العملية
اختيار النماذج، كتابة الأوراق البحثية.
المراجع
- T.-Y. Lin et al. (2014).Microsoft COCO: Common Objects in Context. ECCV 2014 (LNCS 8693). doi:10.1007/978-3-319-10602-1_48
- M. Everingham et al. (2010).The Pascal Visual Object Classes (VOC) Challenge. International Journal of Computer Vision 88. doi:10.1007/s11263-009-0275-4
