পাস্কাল ভিওসি লিডারবোর্ডগুলির সনাক্তকরণ কার্যের জন্য এমএপি (গড় গড় যথার্থতা) গণনা কিভাবে করবেন? http://host.robots.ox.ac.uk:8080/leaderboard/displaylb.php?challengeid=11&compid=4
সেখানে বলা হয়েছে - পৃষ্ঠা 11 এ : http://homepages.inf.ed.ac.uk/ckiw/postscript/ijcv_voc09.pdf
গড় যথার্থতা (এপি) VOC2007 চ্যালেঞ্জের জন্য, আন্তঃবিবাহিত গড় যথার্থতা (সালটন এবং ম্যাকগিল 1986) উভয় শ্রেণিবিন্যাস এবং সনাক্তকরণের মূল্যায়ন করতে ব্যবহৃত হয়েছিল। প্রদত্ত টাস্ক এবং ক্লাসের জন্য, নির্ভুলতা / পুনরুদ্ধার বক্ররেখা একটি পদ্ধতির র্যাঙ্কড আউটপুট থেকে গণনা করা হয়। প্রত্যাহারকে একটি নির্দিষ্ট র্যাঙ্কের উপরে স্থান দেওয়া সমস্ত ইতিবাচক উদাহরণগুলির অনুপাত হিসাবে সংজ্ঞায়িত করা হয়। যথার্থতা হ'ল ধাপের উপরের সমস্ত উদাহরণের অনুপাত যা ইতিবাচক শ্রেণীর থেকে আসে। এপি নির্ভুলতা / পুনর্বিবেচনা বক্ররেখার আকারের সংক্ষিপ্তসার করে এবং এগারোটি সমানভাবে ব্যবধানে পুনরুদ্ধার স্তরের [0,0.1, ..., 1] এর সেট এ গড় নির্ভুলতা হিসাবে সংজ্ঞায়িত হয়:
AP = 1/11 ∑ r∈{0,0.1,...,1} pinterp(r)
প্রতিটি স্মরণীয় স্তরের স্পষ্টতাটি এমন পদ্ধতির জন্য পরিমাপ করা সর্বাধিক নির্ভুলতা নিয়ে বিভক্ত হয় যার জন্য সংশ্লিষ্ট
pinterp(r) = max p(r˜)
পুনরুদ্ধার আর ছাড়িয়ে যায়:, যেখানে পি (আর˜) রেকর্ড আরারে পরিমাপ করা নির্ভুলতা
মানচিত্র সম্পর্কে: http://0agr.ru/wiki/index.php/Precision_and_Recall#Average_Precision
সুতরাং এটির অর্থ কি:
আমরা নির্ভুলতা এবং পুনরায় কল গণনা :
- ক) অনেকগুলি বিভিন্নর জন্য
IoU
> {0, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1}
আমরা সত্য / মিথ্যা পজিটিভ / নেতিবাচক মান গণনা করি
কোথায়
True positive = Number_of_detection with IoU > {0, 0.1,..., 1}
, এখানে যেমন বলা হয়েছে: https : //datasज्ञान.stackexchange.com/a/16813/37736 এবং তারপরে আমরা গণনা:Precision = True positive / (True positive + False positive)
Recall = True positive / (True positive + False negative)
- ক) অনেকগুলি বিভিন্নর জন্য
খ) বা সনাক্তকরণ অ্যালগরিদমের অনেকগুলি প্রান্তিকের জন্য আমরা গণনা করি:
Precision = True positive / (True positive + False positive)
Recall = True positive / (True positive + False negative)
কোথায়
True positive = Number_of_detection with IoU > 0.5
এখানে বললঃ /programming//a/43168882/1558037
গ) বা সনাক্তকরণ অ্যালগরিদমের অনেকগুলি প্রান্তিকের জন্য আমরা গণনা করি:
Precision = Intersect / Detected_box
Recall = Intersect / Object
এখানে দেখানো হয়েছে? https://en.wikipedia.org/wiki/Precision_and_recall
- তারপরে আমরা পয়েন্টগুলিতে যেখানে 11 এর গড়
Precision
হিসাবে গড় (গড় নির্ভুলতা) গণনা করিRecall = {0, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1}
, যেখানে ieAP = 1/11 ∑ recall∈{0,0.1,...,1} Precision(Recall)
(প্রতিটি পয়েন্টের জন্য সাধারণভাবে, উদাহরণস্বরূপ ০.০, আমরা এই মুহুর্তে যথার্থতার মানের পরিবর্তে রিক্যাল <= ০.০ এর জন্য প্র্যাক্সিয়েন্সের MAX পেয়েছি) Rec
- এবং যখন আমরা সমস্ত চিত্রের জন্য 1 টি কিছু বস্তুর শ্রেণীর জন্য কেবল এপি গণনা করি - তখন আমরা এই শ্রেণীর জন্য এপি (গড় যথার্থতা) পাই , উদাহরণস্বরূপ, কেবলমাত্র এর জন্য
air
।
সুতরাং এপি একটি অবিচ্ছেদ্য (বক্ররেখার অঞ্চল): /stats//a/157019/111998
তবে যখন আমরা সমস্ত চিত্রের সমস্ত অবজেক্ট শ্রেণির জন্য এপি গণনা করি - তখন আমরা সমস্ত চিত্র ডেটাসেটের জন্য এমএপি (গড় গড় নির্ভুলতা)88.6
পাই , উদাহরণস্বরূপ, আর 4 ডি_ফাস্টার_সিএনএন: http://host.robots.ox.ac.uk:8080/leaderboard /displaylb.php?challengeid=11&compid=4
প্রশ্নাবলী:
- এটি কি ঠিক, এবং যদি তা না হয়, তবে পাস্কাল ভিওসি চ্যালেঞ্জের জন্য এমএপি গণনা কিভাবে করবেন?
- এবং অনুচ্ছেদে 1 অনুচ্ছেদে যথার্থতা এবং পুনরায় কল করার জন্য 3 টি সূত্রের মধ্যে কোনটি (এ, বি বা সি) সঠিক?
সংক্ষিপ্ত উত্তর:
- এমএপি = এভিজি (প্রতিটি বস্তুর শ্রেণীর জন্য এপি)
- এপি = এভিজি (১১ টির প্রত্যেকে প্রত্যাহার করে = যথার্থতা = 0, 0.1, ..., 1})
- পিআর-কার্ভ = যথার্থতা এবং পুনর্বিবেচনা (প্রতিটি চৌম্বকটির জন্য যা ভবিষ্যদ্বাণী সীমাবদ্ধ বাক্সে রয়েছে)
- যথার্থতা = টিপি / (টিপি + এফপি)
- পুনরুদ্ধার = টিপি / (টিপি + এফএন)
- টিপি = আইওইউ> ০.০ সহ সনাক্তকরণের সংখ্যা
- এফপি = আইওইউ <= 0.5 এর সাথে সনাক্তকরণের সংখ্যা বা একাধিকবার সনাক্ত হয়েছে
- এফএন = আইওইউ <= 0.5 এর সাথে সনাক্ত বা সনাক্ত করা যায় না এমন বস্তুর সংখ্যা of