Какие метрики используются для сегментации и детекции объектов?

Для задач сегментации и детекции объектов в компьютерном зрении используются следующие основные метрики:

• IoU (Intersection over Union) — мера перекрытия между предсказанной областью и истинной областью объекта. Используется для оценки качества детекции и сегментации.
• mAP (mean Average Precision) — среднее значение точности по разным порогам IoU и классам. Часто применяется для оценки детекторов объектов.
• Pixel Accuracy — доля правильно классифицированных пикселей в задаче сегментации.
• Dice Coefficient (F1-score для сегментации) — мера сходства двух множеств (предсказанной и истинной масок), особенно популярна в медицинской сегментации.
• Precision и Recall — точность и полнота для обнаружения объектов, важны для оценки качества детекции.

Пример: для детекции объектов mAP@0.5 (IoU threshold 0.5) показывает, насколько точно модель находит объекты с перекрытием не менее 50%.