MainPage/Computer Vision/Lecture/3-5 RAW

语音识别：Youtube 转文本
断句与标点：chatGPT 4o
翻译：chatGPT 4o

Оценка качества детектирования
检测质量评估

Начнём с того, как сопоставлять между собой баундинг-боксы. Конечно, можно сопоставлять координаты углов, но ведь нас интересуют и отношения размеров боксов в совокупности с их относительным положением в пространстве. К счастью, для решения всех этих задач придумали унифицированную меру, когда соотношение баундинг-боксов описывается одним числом. Данная мера называется Intersection over Union (IoU) и равна отношению площади пересечения баундинг-боксов к площади их объединения.
让我们从如何比较边界框开始。当然，可以比较角点的坐标，但我们也对边界框的大小比例及其在空间中的相对位置感兴趣。幸运的是，为了解决所有这些问题，已经发明了一种统一的度量方法，即当边界框的比例用一个数字来表示时。该度量方法称为交并比（Intersection over Union，IoU），它等于边界框交集的面积与并集的面积之比。

Определив минимально приемлемое значение Intersection over Union для того, чтобы результат детектирования считался успешным, мы можем также определить precision и recall. Как и в случае с классификацией, precision определяется соотношением количества верно детектированных объектов определённого класса к количеству всех баундинг-боксов для данного класса на тестовой выборке, которые модель выдала в качестве результата детектирования. Recall определяется как отношение количества верно детектированных моделью элементов рассматриваемого класса к общему количеству появления объектов данного класса на фотографиях из тестовой выборки.
确定了最低可接受的交并比值后，我们还可以确定精确率（precision）和召回率（recall）。与分类的情况类似，精确率是指正确检测到的某一类目标的数量与测试集中该类所有边界框的数量之比，召回率是指模型正确检测到的某一类目标的数量与测试集中该类目标总出现次数之比。

У нас может быть множество классов, и можно усреднять значения, полученные для каждого класса индивидуально. Отметим, что все эти метрики вычисляются при определённом минимально допустимом уровне Intersection over Union. Как и в случае с классификацией объектов, мы можем задать и меру, определяющую в себе precision и recall при определённом минимально допустимом значении Intersection over Union. Данная мера позволяет одновременно оценивать precision и recall с помощью одного численного показателя. Параметр beta определяет приоритет между precision и recall, он принимает значения в диапазоне от нуля до единицы. В том случае, когда приоритет отдаётся precision, beta принимает значение больше единицы. Когда приоритет отдаётся recall, параметр beta становится меньше единицы. Когда beta равна единице, мера получается сбалансированной, то есть precision и recall одинаково важны. Также мера может усредняться между несколькими классами.
我们可能会有许多类别，可以对每个类别的值进行单独平均。请注意，这些度量都是在特定的最低可接受交并比水平下计算的。与分类对象的情况类似，我们也可以定义一种同时确定精确率和召回率的度量方法，该方法允许我们用一个数值来同时评估精确率和召回率。参数beta决定了精确率和召回率之间的优先级，它的取值范围在0到1之间。当优先考虑精确率时，beta的值大于1。当优先考虑召回率时，beta的值小于1。当beta等于1时，该度量方法是平衡的，即精确率和召回率同等重要。此外，该度量方法还可以在多个类别之间进行平均。

Нельзя не упомянуть метрику, по которой сравниваются результаты моделей практически на всех современных бенчмарках для детектирования. Average Precision (AP) является усреднённым значением AP по всем рассматриваемым классам. AP для каждого класса определяется площадью под кривой зависимости precision от recall. Отметим также, что всё это имеет значение только при определённом минимально допустимом уровне Intersection over Union. Пример численного подсчёта Mean Average Precision (mAP) в дискретном случае, который, как правило, нас интересует, представлен на слайде.
不得不提的是，几乎所有现代检测基准测试中，模型结果都是通过平均精确率（Average Precision，AP）来比较的。AP是所有被考虑类别的平均AP值。每个类别的AP由精确率与召回率之间关系的曲线下的面积来确定。还要指出的是，这一切都仅在特定的最低可接受交并比水平下才有意义。我们感兴趣的离散情况中的平均平均精确率（Mean Average Precision，mAP）的具体计算示例已在幻灯片上展示。

На этом лекция заканчивается. Спасибо за внимание.
这就是本次讲座的全部内容。感谢大家的关注。