평균 평균 정밀도(mAP)는 물체 감지 분야에서 중요한 평가 지표로, 모델의 정확도를 종합적으로 측정할 수 있는 지표입니다. 단순한 지표와 달리 mAP는 정밀도와 회상률의 균형을 효과적으로 유지하여 모델이 이미지나 동영상에서 객체를 얼마나 잘 식별하고 위치를 파악하는지에 대한 미묘한 이해를 제공합니다. 따라서 자율 주행, 의료 영상 등과 같은 작업을 위해 설계된 AI 시스템의 성능을 평가하는 데 없어서는 안 될 도구입니다.
mAP를 완전히 이해하려면 정확도와 리콜의 기본 개념을 이해하는 것이 중요합니다. 정밀도는 모델의 긍정적인 예측이 얼마나 정확한지를 측정합니다. 객체 감지에서 정확도가 높다는 것은 모델이 객체를 찾았다고 말할 때 정확할 가능성이 매우 높다는 것을 의미합니다. 반면에 회수율은 모델이 실제 모든 긍정적인 사례를 얼마나 잘 찾아내는지를 측정합니다. 높은 정확도는 모델이 이미지에 존재하는 대부분의 객체를 잘 찾아내어 놓칠 가능성을 최소화한다는 의미입니다. mAP는 다양한 정확도 수준에서 평균 정밀도를 계산하여 이 두 가지 지표를 종합합니다. 이를 통해 특히 다양한 신뢰도 임계값이 있는 시나리오에서 객체 탐지 모델의 성능을 보다 전체적으로 파악할 수 있습니다. 정확도와 리콜에 대한 자세한 내용은 위키백과에서 확인하세요.
mAP 계산에는 여러 단계가 포함됩니다. 먼저, 각 객체 범주에 대해 모델의 예측이 신뢰도 점수에 따라 순위가 매겨집니다. 그런 다음 다양한 신뢰 임계값에서 정확도 및 회수 값을 계산하여 정확도-회수 곡선을 만듭니다. 그런 다음 각 클래스의 평균 정밀도(AP)는 이 곡선 아래의 영역으로 계산됩니다. 마지막으로 모든 객체 클래스의 AP 값을 평균하여 mAP를 얻습니다. 이 평균화 프로세스를 통해 메트릭은 다양한 객체 유형과 신뢰 수준에서 모델의 전반적인 탐지 성능을 반영할 수 있습니다. 오브젝트 탐지 메트릭에 대해 자세히 알아보려면 Ultralytics 문서에서 YOLO 성능 메트릭 가이드를 참조하세요.
평균 정밀도는 정확한 물체 감지가 가장 중요한 애플리케이션에서 특히 중요합니다. 예를 들어 자율 주행 차량의 경우, mAP 점수가 높으면 차량의 비전 시스템이 보행자, 차량, 교통 신호를 안정적으로 감지할 수 있으며 이는 안전에 매우 중요합니다. 마찬가지로 의료 이미지 분석에서도 종양 감지 모델의 mAP가 높으면 진단 정확도가 크게 향상되어 의료 전문가가 질병을 조기에 정밀하게 발견하는 데 도움이 될 수 있습니다. 이러한 애플리케이션은 물체 감지 모델을 평가할 때 정확도와 같은 단순한 지표보다 mAP가 선호되는 이유를 잘 보여줍니다.
자율주행차는 안전하게 주행하기 위해 물체 감지에 크게 의존합니다. 실시간으로 도로 요소를 정확하게 식별하고 분류하려면 mAP 점수가 높은 모델이 필수적입니다. Ultralytics YOLO 속도와 정밀도로 유명한 모델은 이 영역에서 mAP를 사용하여 자주 평가됩니다. 더 많은 인사이트를 얻으려면 자율주행 솔루션의 AI를 살펴보세요.
의료 분야에서 객체 감지 모델은 의료 이미지를 분석하여 이상 징후를 감지합니다. 예를 들어, 암 종양을 탐지하려면 오탐(높은 정밀도)과 오탐(높은 재현율)을 모두 최소화하기 위해 높은 mAP를 가진 모델이 필요합니다. Ultralytics YOLO 이러한 모델을 개발하는 데 mAP가 중요한 성능 평가 지표로 사용될 수 있습니다. 의료 분야에서 AI의 역할에 대해 더 많은 사례를 알아보세요.
mAP는 포괄적인 평가를 제공하지만, 정확도 및 IoU(Intersection over Union)와 같은 지표와 구별하는 것이 중요합니다. 정확도는 전반적인 정확도 점수를 제공하지만 객체 감지에서 중요한 정밀도와 리콜 간의 균형을 고려하지 않습니다. 반면, IoU는 개별 객체에 대한 예측된 경계 상자와 실측 경계 상자 간의 중첩을 측정하여 로컬라이제이션 정확도를 평가하지만 클래스 전반의 탐지 성능은 평가하지 않습니다. mAP는 모든 클래스에서 분류와 로컬라이제이션 정확도를 모두 고려하여 더 넓은 관점을 제공합니다.
Ultralytics HUB와 Ultralytics YOLO 모델은 mAP를 핵심 성과 지표로 광범위하게 활용합니다. Ultralytics YOLO 최첨단 객체 탐지 프레임워크인 HUB는 성능 평가를 위한 중심 지표로 mAP를 사용하여 모델을 학습, 검증 및 배포하는 도구를 제공합니다. Ultralytics HUB는 모델을 훈련하고 배포하는 과정을 더욱 간소화하여 사용자가 mAP 및 기타 지표를 쉽게 모니터링하여 AI 솔루션을 최적화할 수 있도록 지원합니다. 관련 용어에 대한 자세한 정의는 Ultralytics 용어집을 참조하세요.
.webp)