[Deep Learning] 딥러닝 용어 정리

• 빨간색 = 실제 모델(정답)
• 초록색 = 모델에서 도출한 결과(정답으로 예측한 것)

 

Precision(정밀도)

• TP / TP + FP
• 옳게 검출한 것 / 검출결과
• P = 3/10 = 0.3

 

Recall(재현율)

• TP / TP+ FN
• 옳다고 예측한 것 / 실제 옳게 검출된 결과
• R = 3/6 = 0.5

 

Precision, Recall

• 보통 Precision과 Recall은 반비례한다
• 두 값을 조합해서 알고리즘 성능을 평가해야 하는데, 이때 필요한 것이 Precision-Recall 곡선 및 AP

 

IoU(Intersection over Union)

• 빨간색이 실제 모델, 초록색이 검출한 결과
  • 파란색 영역 / 빨간색 영역 U 초록색 영역
  • threshold : 0.5!!! 보충
• 물체를 검색했을 때 옳게 검출되었다, 검출되지 않았다를 구분하는 기준
  • (TP, FP 구분 기준)
• 객체 검출에서는 모델 예측과 정답 바운딩 박스가 정확히 일치 X
• → 그래서 IoU 사용

 

mAP@.5(Mean Average Precision)

• 모델의 성능
• 높을수록 정확 ←→ 적을수록 부정확함

 

overfitting

너무 정확하게 표현해서 train data에 대한 정확도는 좋지만 test에서 에러가 날 가능성이 높음

 

image augmentation

적은 수의 이미지를 증식시켜서 다양한 이미지를 생성

 

 

CSP

공공 클라우드 인프라, 플랫폼 서비스를 제공하는 업체