
590
2
부
신경망과 딥러닝
을 모두 읽어보길 추천합니다. 이 논문들은 재미있게 읽을 수 있고 딥러닝 시스템이 점진적으
로 어떻게 향상되는지 보여주는 좋은 예입니다.
mAP
객체 탐지에서 널리 사용하는 평가 지표는
mAP
mean
average
precision
입니다. ‘
mean
average
’는
의미가 중복된 것처럼 보입니다. 이 지표를 이해하기 위해
3
장에서 소개한 분류 지표인 정밀도
와 재현율을 떠올려봅시다. 이 두 지표에는 트레이드-오프가 있습니다. 재현율이 높을수록 정
밀도가 낮습니다. 이 값을 정밀도/재현율 곡선으로 그려볼 수 있습니다 (그림
3
-
5
). 이 곡선을
하나의 숫자로 요약하려면 곡선의 아래 면적을 계산합니다(
AUC
). 하지만 정밀도/재현율 곡
선에서 재현율이 증가할 때 정밀도가 상승하는 영역이 포함될 수 있습니다. 특히 재현율 값이
낮을 때입니다 (
[
그림
3
-
5
]
의 왼쪽 위에서 이를 볼 수 있습니다). 이것이
mAP
지표가 만들어
진 이유 중 하나입니다.
한 분류기가
10
% 재현율에서
90
% 정밀도를 달성하고
20
% 재현율에서는
96
% 정밀도를 달성
한다고 가정해봅시다. 여기서는 트레이드-오프가 없습니다. 재현율과 정밀도 모두 상승하므로
10
% 재현율보다
20
% 재현율의 분류기를 사용하는 것이 당연합니다. 따라서
10
% 재현율에서
정밀도를 보는 ...