Notice
Recent Posts
Recent Comments
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | ||||||
2 | 3 | 4 | 5 | 6 | 7 | 8 |
9 | 10 | 11 | 12 | 13 | 14 | 15 |
16 | 17 | 18 | 19 | 20 | 21 | 22 |
23 | 24 | 25 | 26 | 27 | 28 |
Tags
- Cost Function
- x-ray
- 평가지표
- NRMSE
- nodejs
- EC2
- MySQL
- MRI
- Map-reduce
- error
- ml
- Anaconda
- CT
- ssl
- ubuntu
- pm2
- pytorch
- FSL
- relaxation time
- 동차좌표계
- Emoji
- https
- git
- coursera
- Dual energy X-ray
- kernel
- Homogeneous Coordinates
- procedure
- AWS
- object detection
Archives
- Today
- Total
목록Map (1)
Pay it Forward
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/BsiXJ/btqOYvFcLMP/Onezxrw6GMFfMDOyKTSXH0/img.png)
수많은 ML 분야 중에서도 Object Detection 분야의 논문에서 자주 등장하는 모델의 성능평가지표인 mAP. 아직은 계속 용어가 헷갈리고 의미가 불확실해 정리해보았다 mAP (mean Average Precision) AP는 precision과 recall을 그래프로 나타냈을 때의 면적이다. precision : 모델이 정답이라고 답한것들(아래 그림의 파란 박스) 중, 실제로 맞은(TP) 비율 recall : 실제 정답들(아래 그림의 빨간 박스) 중에서 내가 정답이라고 말한 비율 각 class마다 한 AP를 갖게 되는데 모든 class의 AP에 대해 평균값을 낸 것이 바로 mAP(mean AP)이다. 즉, 모든 class에 대하여 Precision/Recall의 값을 avg취한 것이라고 볼 수 ..
Machine Learning/Study
2020. 3. 30. 09:28