目标检测算法的性能指标研究:全面调研

A Survey on Performance Metrics for Object-Detection Algorithms

论文链接:https://ieeexplore.ieee.org/abstract/document/9145130

你真的搞懂 IoU、AP、AR等概念了么?本文调研了最常用于目标检测的度量标准,以及它们的差异,应用和主要概念。入门目标检测,一定搞懂这些基础知识,必考题!作者单位:巴西里约热内卢联邦大学

这项工作探索和比较了用于评估目标检测算法性能的指标。例如,平均精度(AP)是通过估算精度×召回关系的曲线下面积(AUC)来评估目标检测器精度的常用指标。根据图中使用的点插值,可以定义两个不同的AP变量,因此会生成不同的结果。AP有六个其他变体,增加了基准测试的可能性。通常以不同的计算语言和平台编写的度量实现与共享给定边界框描述的相应数据集一起分发。这样的项目确实可以通过评估工具帮助社区,但是需要额外的工作来适应其他数据集和边界框格式。这项工作调研了最常用于目标检测的度量标准,以区别它们的差异,应用和主要概念。它还提出了一种标准的实现方式,可以将其用作不同数据集之间的基准,并且对注释文件的适应性最低。

机器学习 计算机视觉
评论0

可用Markdown格式