Confidence score : 다음 아래의 두 가지를 반영한 수치

• Bounding Box에 객체가 포함되어 있는지 (Pr(Class[i] | Object) : Object 중 Class[i]에 속할 확률)
• Bounding Box가 얼마나 정확하게 예측했는지 (IoU)

객체가 존재하지 않는다면 confidence score는 0

객체가 존재한다면 IoU 값과 같아짐

참조

Confidence Score = Pr(Class[i] | Object) * IoU(truthpred)

조건부 확률 : P(A∧C)=P(C)⋅P(A|C)

Intersection over Union (IoU) : 예측 범위가 실제 범위와 얼마나 일치하는지

성능 지표는 아니고, object detection에서 모델의 성능 평가를 하는 과정에서 사용되는 도구

2/3 정도는 겹쳐 줘야 0.5 이상의 값이 나옴 따라서 대부분 IoU threshold를 0.5로 잡음

객체 인식 모델의 성능이라는 게 feature extractor, classifier, regressor, IoU, NMS 등등의 것들과 복합적으로 얽혀있는터라 단순히 IoU threshold 값을 올려준다해서 무조건 성능이 올라가는 현상을 기대해서는 안 된다.

IoU, Intersection over Union 개념을 이해하자