BrianaAI

안녕하세요

브리아나입니다.

오늘은 yolo 모델의 성능평가를 파헤쳐볼게요!

모델 학습을 돌리다보면 관련된 정보를 획득할 수 있는데요!

Detection Box의 Precision, Recall, mAP50, mAP50-90

Segemtnation Mask의 Precision, Recall, mAP50, mAP50-90

정보입니다.

그럼 하나씩 정리해볼게요!!

✅ 1. Detection Preicision

: 모델이 "객체가 있어!" 라고 예측한 상자 중 실제로 객체가 맞는 비율입니다.

 - TP: 예측한 상자와 실제 상자간 IoU가 0.5 이상일 때,

- FP: 실제로 예측했는데, 실제 객체 아닐 때

즉, Precision이 높다? 잘못된 객체 예측이 적었다. 실제로 객체를 90%정도 잘 예측했다.

✅ 2. Detection Recall

: 모델이 올바르게 탐지한 비율입니다.

- FN: 실제 객체가 있지만 놓친 경우입니다.

즉, Recall이 높다? 실제 객체를 더 많이 찾아냈다. 나머지 비율은 놓쳤다.

✅ 3. mAP50

mAP50 => mean Average Precision at IoU 0.5, 임계값 0.5 기준으로 평균 정밀도

- IoU50: 50% 이상 겹쳤을 때, TP로 간주

- 클래스별 AP 계산해서 평균(mean)낸 값.

✅ 4. mAP50-95

: IoU 임계값을 0.5부터 0.95까지 0.05 간격으로 변화시키며 계산한 AP의 평균

: 더 엄격한 기준까지도 종합적으로 평가

--------------------------------------

✅ 5. Mask Precision

: 이 픽셀이 객체에 속한다고 예측한 픽셀 중 실제로 객체 픽셀인 비율

- TP: 예측 mask와 실제 Mask가 겹치는 픽셀

- FP: 예측 mask에서 잘못 예측된 픽셀

✅ 6. Mask Recall

: 실제 객체 픽셀 중 모델이 올바르게 예측한 픽셀의 비율

- FN: 실제 객체 픽셀이지만 놓친 픽셀

✅ 7. Mask mAP50

: 예측 mask와 실제 mask의 겹침 비율이 50% 이상일 때, TP로 간주

: 클래스 별 AP 계산한 후 평균

✅ 8. Mask mAP50-95

: 임계값을 0.5~0.95 간격으로 변화시키며 계산한 AP의 평균입니다.

#문제.

https://softeer.ai/practice/7628

#정답.

import sys

'''
6
2 4 6 9 12 18
'''
chance = int(sys.stdin.readline())
num_list = list(map(int, sys.stdin.readline().split()))
max_num = max(num_list)
if max_num > 100:
    max_num = 100
top_max_value = 0
for i in range(2, 101):
    cnt = 0
    for n in num_list:
        if n % i == 0:
            cnt += 1
    if top_max_value < cnt:
        top_max_value = cnt
print(top_max_value)

1. Virtualenv 설치

pip install virtualenv

2. 환경 생성

virtualenv capture --python=python3.10

PC에 python3.10은 설치되어있어야함.

가상환경명은 capture로 지정했음. (수정 가능)

3. 경로 이동

cd capture
cd Scripts
activate

입력하면 활성화 된 상태로 나옴.

하기 블로그 참고해서 수정하니 동작했습니다.

https://webnautes.tistory.com/2303

가상 환경 속에 

site-packages/cv2/qt/plugins/platforms/ lib~.so 파일을 삭제해주면

프로그램이 정상 동작하고 

이걸 다시 elf로 말아준 뒤 배포하면 잘 동작합니다.

감사합니다!!!