| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | ||||
| 4 | 5 | 6 | 7 | 8 | 9 | 10 |
| 11 | 12 | 13 | 14 | 15 | 16 | 17 |
| 18 | 19 | 20 | 21 | 22 | 23 | 24 |
| 25 | 26 | 27 | 28 | 29 | 30 | 31 |
Tags
- Object Detection Dataset 생성
- 개발흐름
- Docker
- Linux build
- Towards Deep Learning Models Resistant to Adversarial Attacks
- TensorFlow Object Detection API install
- Paper Analysis
- TensorFlow Object Detection Error
- 크롤링
- DOTA dataset
- 리눅스 빌드
- Git
- DACON
- 커스텀 애니메이션 적용
- object detection
- Custom Animation
- AI Security
- 논문 분석
- paper review
- 기능과 역할
- TensorFlow Object Detection Model Build
- Branch 활용 개발
- TensorFlow Object Detection 사용예시
- 논문분석
- 객체 탐지
- 사회초년생 추천독서
- Carla
- CARLA simulator
- InstructPix2Pix
- VOC 변환
Archives
- Today
- Total
목록mean average precision (1)
JSP's Deep learning
[Deep learning - Object Detection] mAP(mean Average Precision) 계산 함수 구현
객체 탐지 모델의 성능은 mAP(mean Average Precision) 값을 통해서 평가할 수 있다. 본문에서는 mAP을 구하는 함수를 직접 구현한다. Ground-Truth Bounding Box 하나는 (xmin, ymin, xmax, ymax, label)로 구성되고, Prediction Bounding Box 하나는 (xmin, ymin, xmax, ymax, confidence score, label)로 구성되는 것을 전제로 코드를 작성한다. mAP의 함수에 입력되는 GT-BBOX, Pred-BBOX는 모든 이미지에 대한 BBOX 정보를 포함한다. 1. 패키지 로드 import numpy as np 2. 함수 정의 2.1. Label 획득 함수 모델이 추론할 수 있는 Label의 경우에 사전..
Deap learning/Object Detection
2023. 3. 27. 19:43