تقييم الأداء النموذجي: القياسات والحسابات في مشاريع الرؤية الحاسوبية

ويعد تقييم أداء نماذج الرؤية الحاسوبية أمرا أساسيا لفهم فعاليتها وموثوقيتها، وتستخدم مقاييس مختلفة لقياس مدى أداء نموذج ما لمهام مثل تصنيف الصور وكشف الأجسام وتجزئتها، ويساعد اختيار القياسات المناسبة على تحقيق أفضل النماذج ومقارنة النهج المختلفة.

القياسات المشتركة في الرؤية الحاسوبية

وتستخدم عدة مقاييس عادة لتقييم نماذج رؤية الحاسوب، وتشمل الدقة والدقة والتذكر والسجلات من الفئة واو-1 لمهام التصنيف، وفيما يتعلق بكشف الجسم وتجزئته، فإن القياسات مثل التقاطع بين الاتحاد (IoU) وتعني متوسط الدقة هي منتشرة.

حساب الاستحقاق والمقاييس ذات الصلة

ويقيّم الاستحقاق نسبة التنبؤات الصحيحة من جميع التنبؤات التي تمّت، ويحسب على أنه:

Accuracy = (True Positives + True Negatives) / Total Predictions]

وتشير الدقة إلى نسبة التنبؤات الإيجابية الحقيقية بين جميع التنبؤات الإيجابية، في حين تشير إلى أن نسبة الإيجابية الحقيقية التي تم تحديدها بين جميع الإيجابيات الفعلية، وتجمع النتيجة F1 الدقة بين الدقة والتذكر في قياس واحد.

مقاييس كشف الأجسام

ويجري تقييم نماذج الكشف عن الأجسام باستخدام مقاييس مثل التقاطع بين الاتحاد (IoU) وتعني متوسط الدقة (mAP).

IoU = منطقة الإفراط في الصلاحية/منطقة الاتحاد ]

وتلخص خطة العمل المشتركة منحنى الدقة في تحديد درجات الاختلاف في العتبات التي يفرضها الاتحاد الدولي للمهندسين ودرجات الجسم، مما يوفر تدبيراً شاملاً للأداء.

موجز

ويتوقف اختيار القياسات المناسبة على المهمة والأهداف المحددة للمشروع، ويعتبر الحساب والتفسير السليمين لهذه القياسات أمرا حيويا لوضع نماذج فعالة للرؤية الحاسوبية.