평균 평균 정밀도(mAP)는 특히 컴퓨터 비전에서 객체 감지 모델의 정확도를 평가하는 핵심 성능 지표입니다. 이 지표는 다양한 임계값에 걸쳐 정밀도와 회상률을 모두 고려하여 모델이 이미지에서 객체를 얼마나 잘 감지하고 위치를 찾는지 정량화합니다.
mAP는 정밀도와 회수율을 결합하여 선도적인 실시간 객체 탐지 프레임워크인 Ultralytics YOLO 를 사용하는 것과 같은 모델의 성능을 평가합니다. 정밀도는 실제 객체와 비교하여 예측된 객체의 정확도를 측정하고, 리콜은 모델이 모든 관련 객체를 식별하는 능력을 평가합니다.
물체 감지 영역에서 mAP는 물체를 정확하게 식별하고 위치를 파악하는 모델의 능력을 요약하는 단일 지표를 제공합니다. 이는 자율 주행 차량, 의료(질병 감지), 보안 감시 등 정확한 객체 감지가 필요한 분야에서 매우 중요합니다. 객체 감지 메트릭에 대한 개요는 Ultralytics YOLO 성능 메트릭 가이드를 참조하세요.
mAP 점수는 여러 IoU(Intersection over Union) 임계값에 걸쳐 정밀도-재콜 절충점을 합산합니다. IoU는 객체 감지에서 또 다른 중요한 개념으로, 예측된 바운딩 박스와 기준 진실 사이의 중첩을 정량화합니다. 객체 감지의 IoU에 대해 자세히 알아보세요.
자율 주행에서는 보행자, 차량, 장애물을 정확하고 신속하게 감지하는 것이 매우 중요합니다. Ultralytics HUB에서 제공하는 것과 같이 맵 점수가 높은 물체 감지 모델은 효과적인 실시간 감지 및 의사 결정을 보장하여 안전과 성능을 향상시킵니다. 자율주행 솔루션의 AI에 대해 자세히 알아보세요.
영상의학의 종양 감지와 같은 의료 분야의 물체 감지는 높은 맵을 가진 도구에 크게 의존합니다. Ultralytics YOLO 같은 모델은 진단 정확도를 개선하고 의료 전문가를 지원하는 데 활용됩니다. 의료 분야에서 AI의 역할을 살펴보고 더 많은 인사이트를 확인하세요.
객체 감지와 모델 최적화를 위해 mAP를 사용하는 방법에 대한 자세한 내용은 객체 감지 및 추적에 대한 블로그에서 확인할 수 있습니다.
평균 평균 정밀도는 AI 및 ML 애플리케이션의 모델 평가와 개선을 위한 기본 요소로, 성능에 대한 포괄적인 벤치마크 역할을 합니다. 객체 감지와 관련된 용어와 기법에 대해 자세히 알아보려면 Ultralytics 용어집을 참조하세요.
