35분
mAP, IoU 이해 및 탐지 모델 평가
Day 3: YOLO 객체 탐지
mAP, IoU 이해 및 탐지 모델 평가
비전 AI — 제조 외관검사 시스템 > Day 3: YOLO 객체 탐지
학습 목표
IoU(Intersection over Union)의 계산과 의미를 이해한다 mAP50, mAP50-95 지표를 해석할 수 있다 제조 탐지 모델의 성능을 종합적으로 평가할 수 있다
탐지 모델 평가 지표
IoU (Intersection over Union)
[IoU 계산]
예측 박스와 정답 박스의 겹치는 비율
┌──────────┐
│ 정답 │
│ ┌─────┼──────┐
│ │교집합│ │
└────┼─────┘ │
│ 예측 │
└────────────┘
IoU = 교집합 면적 / 합집합 면적
IoU = 0.0: 전혀 안 겹침 (완전 실패)
IoU = 0.5: 절반 겹침 (최소 기준)
IoU = 0.75: 많이 겹침 (좋음)
IoU = 1.0: 완벽히 일치 (이론적)mAP 계산
mAP50: IoU >= 0.5인 경우의 Average Precision
mAP50-95: IoU 0.5, 0.55, ..., 0.95의 AP 평균 (더 엄격)
제조 기준:
mAP50 >= 0.85: 사용 가능 수준
mAP50 >= 0.95: 프로덕션 수준에디터 로딩 중...
핵심 포인트
- • IoU는 예측 박스와 정답 박스의 겹침 비율 (0~1)
- • mAP50은 IoU 50% 기준, mAP50-95는 다양한 IoU 기준의 평균
- • 제조 프로덕션 기준: mAP50 >= 0.95, Recall >= 0.99
- • 추론 속도 50ms 이하가 실시간 검사의 기준
AI로 학습하기 — 꿀팁
✅mAP 계산 로직 오류 점검AI 학습 팁
AI에게 YOLO 탐지 모델 mAP50·mAP50-95 평가 코드를 리뷰받아 IoU 임계값 적용 오류와 다중 클래스 평균 계산 버그를 점검하세요.
이 제조 불량 탐지 모델의 mAP50, mAP50-95 평가 코드를 리뷰해줘. IoU 임계값 0.5에서 TP/FP 판정 로직 오류, 다중 불량 클래스(스크래치/크랙/오염)에서 macro mAP 계산 시 클래스별 AP 평균 처리 버그, Precision-Recall 커브에서 중복 탐지 처리 문제를 찾아줘.
이 팁이 도움이 됐나요?