728x90
반응형
✅ YOLO 모델 성능 지표
- mAP (mean Average Precision)
- 객체 탐지 모델의 성능을 평가하는 대표적인 지표
- 평균 정밀도(AP)의 평균값
- mAP@50 → IoU(Intersection over Union) 값이 0.5일 때의 mAP
- mAP@50:95 → IoU 값이 0.5에서 0.95까지 0.05 간격으로 평균값 계산
- Precision (정밀도)
- 모델이 탐지한 객체 중에서 실제로 정답인 객체의 비율
- Precision=TPTP+FP\text{Precision} = \frac{TP}{TP + FP}
- TP: True Positive, FP: False Positive
- Recall (재현율)
- 실제 객체 중에서 모델이 올바르게 탐지한 객체의 비율
- Recall=TPTP+FN\text{Recall} = \frac{TP}{TP + FN}
- TP: True Positive, FN: False Negative
- F1-Score
- 정밀도(Precision)와 재현율(Recall)의 조화 평균
- F1=2⋅Precision⋅RecallPrecision+RecallF1 = \frac{2 \cdot \text{Precision} \cdot \text{Recall}}{\text{Precision} + \text{Recall}}
- F1 값이 높을수록 성능이 우수함
- IoU (Intersection over Union)
- 탐지된 박스와 실제 박스의 겹친 영역 비율
- IoU=Area of OverlapArea of Union\text{IoU} = \frac{\text{Area of Overlap}}{\text{Area of Union}}
- 일반적으로 IoU가 0.5 이상이면 올바른 탐지로 간주
- FPS (Frames Per Second)
- 초당 프레임 수
- 실시간 성능 측정 지표 → FPS가 높을수록 속도가 빠름
✅ YOLO 주요 파라미터
🔹 입력 이미지 관련
- img-size → 입력 이미지 크기 (ex: 640, 416 등)
- channels → 입력 채널 수 (일반적으로 3 = RGB)
🔹 모델 구조 관련
- nc → 클래스 개수
- depth_multiple → 모델 깊이 계수 (모델 깊이 조정)
- width_multiple → 모델 폭 계수 (모델 채널 수 조정)
- anchors → 각 피처맵에서 사용할 앵커 박스 크기 및 비율
🔹 학습 관련
- epochs → 학습 반복 횟수
- batch_size → 배치 크기
- learning_rate → 학습률
- momentum → SGD에서 사용할 모멘텀 값
- weight_decay → 가중치 감소 값 (정규화)
- optimizer → 최적화 알고리즘 (ex: SGD, Adam 등)
🔹 탐지 관련
- confidence-threshold → 탐지된 객체의 신뢰도 임계값 (기본값 0.25)
- iou-threshold → NMS(Non-Maximum Suppression)에서 IoU 임계값 (기본값 0.45)
🔹 기타 설정
- patience → 성능 향상이 없을 때 학습 중단할 Epoch 수
- augment → 데이터 증강 여부
✅ YOLO 주요 버전 성능 비교
모델mAP@50mAP@50:95FPS파라미터 수입력 해상도
YOLOv3 | 55.3% | 33.0% | 30 FPS | 61M | 416×416 |
YOLOv4 | 64.9% | 45.5% | 50 FPS | 64M | 608×608 |
YOLOv5 | 65.7% | 45.4% | 140 FPS | 7.0M | 640×640 |
YOLOv6 | 69.3% | 48.7% | 150 FPS | 19.0M | 640×640 |
YOLOv7 | 72.5% | 51.4% | 161 FPS | 37.2M | 640×640 |
YOLOv8 | 73.6% | 53.2% | 160 FPS | 11.2M | 640×640 |
- 지피티가 알려준건데 확실히 최신인 11버전은 반영이 안되긴 한 듯..
728x90
반응형
'AI > Deep Learning' 카테고리의 다른 글
[객체 탐지 성능 지표] 성능, 속도 평가 지표 (0) | 2025.03.11 |
---|---|
[CNN] 이미지 컨브넷 차원구조 변화 summary() 결과 해석 (0) | 2025.03.07 |
[케라스 창시자에게 배우는 딥러닝] 1, 2장 (0) | 2025.03.07 |
[CV] TED, 즉각적 사물 인식을 컴퓨터가 학습하는 과정 (0) | 2025.03.06 |
[ML 용어 정리 ] DNN, 최적화/활성화/손실 함수, 텐서, 텐서플로우, 분류 (0) | 2024.08.02 |