平均精度对边界框扰动的敏感性
计算机视觉与模式识别
2022-06-22 v1
摘要
目标检测是一项基础的视觉任务。它在学术界被广泛研究，并在工业界被大量采用。平均精度（AP）是评估目标检测器的标准指标。然而，我们对该指标细微之处的理解十分有限。在此，我们量化了 AP 对边界框扰动的敏感性，并表明 AP 对微小平移非常敏感。仅一像素的偏移就足以使模型的 mAP 下降 8.4%。对于小目标，仅一像素偏移造成的 mAP 下降为 23.1%。当使用真实框（GT）作为预测时，对应的数字分别为 23% 和 41.7%。这些结果解释了为何随着模型变得更好，取得更高 mAP 会愈发困难。我们还研究了框缩放对 AP 的影响。代码和数据见 https://github.com/aliborji/AP_Box_Perturbation。
引用
@article{arxiv.2206.10107,
title = {Sensitivity of Average Precision to Bounding Box Perturbations},
author = {Ali Borji},
journal= {arXiv preprint arXiv:2206.10107},
year = {2022}
}