Калибровка и mAP в object detection

Введение

В детекции важны и качество локализации, и ранжирование классов.

IoU и порог

Пересечение над объединением для двух боксов:

$\mathrm{IoU} = \frac{|A \cap B|}{|A \cup B|}$

Практика

import torch
x = torch.sigmoid(torch.tensor(0.0))
print(x.item())

Следите за калибровкой logits → probabilities на валидации.

Итог

Метрики на кадре и на датасете должны согласовываться с продуктовыми SLO.