IOUとmAPの見方

このチュートリアルは評価指標であるIOUとmAPについて説明します。

モデルの評価方法

RUNボタンを押すと、学習状況がダッシュボードにあらわれます。

学習が進むと、上記のような画面になります。右下の"Learning Curve"では、"Train"と"Validation"の各々に対する学習曲線を表しています。横軸が学習回数で、縦軸が誤差です。各々の曲線が、0に近づけば近づくほど、学習が正常に進み収束していることが確認できます。

右側の"Model List"では、モデルの性能を表示しています。

IOUとmAPの見方

IOUとは、Intersection Over Unionの略で、予測したバウンディングボックスと正解のバウンディングボックスの重なり具合を示し、数値が大きければ大きいほど精度が高い、といえます。

mAPとは、mean Average Precisionの略で、平均適合率の平均。検出した物体が正しいかどうかを示し、数値が大きければ大きいほど精度が高い、といえます。

テストデータを用いた精度確認

下にスクロールすると、"Prediction Sample"の画面がでてきますが、これは、テスト用に残しておいたデータセットに対し、モデルがどのように出力しているかを表示しています。