기록은 기억을 지배한다

개요Dice score는 IoU와 같이 두 개의 영역 A, B가 얼마나 겹쳐지는 지를 나타내는 지표이다. Segmentation과 같은 기술을 사용할 때, GT와 예측된 영역 Pred를 비교할 때 사용할 수 있다.Dice Coefficient(Score)공식아래와 같이 A와 B의 겹쳐지는 정도로 계산할 수 있다. Dice 공식이 IoU와 다른 점은 분모에 교집합 부분(TP)이 한 번 더 더해지고, 분자에도 이와 마찬가지로 교집합(TP)이 한 번 더 더해진다. IoU=A∩BA∪BIoU=\dfrac{A\cap B}{A\cup B}IoU=A∪BA∩B​ Dice=2∗∣A∩B∣∣A∣+∣B∣=2∗TP(TP+FP)+(TP+FN)Dice = \dfrac{2*|A\cap B|}{|A| + |B|}= \dfrac{2*T..

IoU 설명, python 코드(Intersection over Union, object detection 평가방법)IoU란?Python 코드IoU란?IoU는 Intersection over Union의 약자로 보통 두 가지 물체의 위치(Bounding Box)가 얼마나 일치하는지를 수학적으로 나타내는 지표이다. 객체 인식같은 모델을 사용했을 때 실제 물체의 위치와 예측된 물체의 위치를 평가방법으로 사용할 수 있다.설명보다 아래 그림이 단번에 이해하기 쉽다.왼쪽 위 박스를 A, 오른쪽 아래 박스를 B라고 하면 아래와 같은 식이 된다. IoU=A∩BA∪BIoU=\dfrac{A\cap B}{A\cup B}IoU=A∪BA∩B​ Python 코드위의 공식처럼 두 개의 박스가 있을 때, iou값을 계산하는 코드..

[딥러닝] 분류 모델의 성능평가 방법(Precision, Recall, Accuracy, F1Score, Confusion Matrix)Confusion Matrix 분류모델에서 아래와 같은 형태로 표현된 테이블True Positive : 정답은 True이고, 분류 결과도 True인 것 (정답)False Positive: 정답은 False이고, 분류 결과는 True인 것 (오답)False Negative: 정답은 True이고, 분류 결과는 False인 것 (오답)True Negative: 정답은 False이고, 분류 결과도 False인 것 (정답) Precision(정밀도)모델이 True라고 한 것 중에 실제 정답이 True인 것 (모델의 관점)위 confusion matrix에서 Precision=TP..

안녕하세요 오늘은 딥러닝으로 처리하는 각종 기술 중 이미지에 관련한 평가 방법에 대해 정리하고자 합니다. 그중, classification에서 주로 사용하는 평가방법에 대해 알아보겠습니다. [Confusion Matrix] confusion matrix란 아래와 같이 GT(Actual Values) 값과 딥러닝 모델의 예측값(Predicted Values)의 관계 Matrix입니다. 값은 Positive(1)과 Negative(0)으로 구성되어있습니다. 예를 들어, 환자의 암을 예측하는 모델이라고 했을 때 실제 환자가 암이고, 예측 결과도 암이면 True Positive(TP) 실제 환자는 암이지만, 예측 결과는 정상이면 False Negative(FN) 실제 환자는 정상이지만, 예측 결과가 암이라면 F..