Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | ||||||
2 | 3 | 4 | 5 | 6 | 7 | 8 |
9 | 10 | 11 | 12 | 13 | 14 | 15 |
16 | 17 | 18 | 19 | 20 | 21 | 22 |
23 | 24 | 25 | 26 | 27 | 28 |
Tags
- PCL
- 포인트클라우드 활용
- PCD
- 포인트클라우드
- precision-recall
- recall
- 테슬라
- product hunt
- 자율주행
- Mean Average Precision
- 포인트클라우드 예시
- ground truth
- 포인트 클라우드
- 머신러닝
- 포인트클라우드 사용
- POINT
- MSE
- gradient
- product
- 성능평가방법
- 3d 데이터
- 협동로봇
- IT 트렌드
- 기술 트렌드
- 3d 포인트클라우드
- Point Cloud
- object detection
- IOU
- precision
- 경사하강법
Archives
- Today
- Total
목록object detection (1)
Everything is NORMAL
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/bsEI6F/btqGtXPpJxX/6m1qOq08SA6NXAQfhdtzD1/img.png)
AP (Average Precision) Object Detection 알고리즘의 성능은 precision-recall 곡선과 average precision(AP) 로 보통 평가한다. 두 용어를 제대로 이해하기 위해서는 우선 Precision과 Recall에 대한 지식이 필요하다. Precision Object-Detector가 검출한 정보들 중에서 Ground-Truth와 일치하는 비율을 의미한다. 한국어로 정밀도라고 불린다. 모든 검출 결과 중 옳게 검출한 비율을 의미한다. TP는 true positive의 약자로 "옳은 검출"을 의미하고 FP는 false positive의 약자로 "잘못된 검출"을 의미한다. 따라서, Precision은 알고리즘이 검출해낸 것들 중에서 제대로 검출해낸 것의 비율을 ..
개발지식 (이론)/인공지능
2020. 8. 10. 16:51