통계 결과 최적화

이 섹션에서는 VisionPro Deep Learning 응용 프로그램의 통계 결과를 향상하는 유용한 팁과 기법을 알아봅니다.

 

Precision, Recall, F-Score 최적화

모든 VisionPro Deep Learning 도구에는 조정할 수 있는 허용 오차가 있으며, 이를 통해 도구가 예측 시 얼마나 "까다로울지" 지정합니다.

	Blue 읽기 도구	Blue 위치 도구	Green 분류 도구	Red 분석 도구
조정할 곳	Feature 위치 Feature 점수 일치 데이터	Feature 위치 Feature 점수 일치 데이터	일치 점수	결함 영역 점수
조정 대상	Feature 점수	Feature 점수	클래스 점수	결함 확률

또한, 모든 도구의 임계치 매개변수도 조정할 수 있습니다.

임계치 매개변수를 조정하면, Recall과 Precision에 다음과 같은 영향이 있습니다.

Threshold(임계치)	Recall	Precision
임계치 낮춤	증가	감소
임계치 높임	감소	증가

임계치 매개변수를 조정하면, False Positive와 False Negative에 다음과 같은 영향이 있습니다.

Threshold(임계치)	False Positive	False Negative
임계치 낮춤	감소	증가
임계치 높임	증가	감소

 

거짓 긍정(FP) 및 거짓 부정(FN) 결과의 균형을 추구한다면, F-Score(전체 및 평균)을 최적화하십시오.

 

Red 분석 결과 최적화

Red 분석 도구를 최적화할 때는 다음에 유의하십시오.

• 트레이닝 되지 않은 항목의 AUC를 추구하십시오.

• Region-based(영역 기반의) AUC를 추구하십시오.

  • 이렇게 하려면 불량 샘플을 모두 표시해야 합니다.
  • 일반적으로 view-based(뷰 기반) AUC보다 매우 낮습니다.

• 임계치 설정은 응용 프로그램 요건에 따라 달라집니다.

  • False positive을 피하기 위한 높은 임계치.
  • False negative을 피하기 위한 낮은 임계치.
  • 그렇지 않은 경우, 좋은 절충안은 %FP = %FN입니다.