[Computer Vision] Classification

1. 컴퓨터 비전의 Classification

- 기계 학습을 통해 특성을 기반으로 입력 데이터를 여러 범주 또는 클래스 중 하나로 할당하는 것

1) Binary

ex) 스팸 O or 스팸 X / 질병 O vs 질병 X

2) Multi-class 

ex) 필기 숫자 인식(0-9),  뉴스 기사 주제 분류 (정치, 스포츠, 기술)

3) Multi-Label

ex) 이미지 내의 다수 객체를 분류

 

 

 

2. Classification 성능 평가 지표

1) Accuracy

- 모델이 전체 예측 중 올바르게 예측한 비율

- 0 ~ 1 사이의 값을 가지고 1에 가까울수록 좋음

2) Precision

- 모델이 positive라고 예측한 것들 중에서 실제로 정답이 positive인 비율

- 0 ~ 1 사이의 값을 가지고 1에 가까울수록 좋음

3) Recall(재현율)

- 실제로 정답이 positive인 것들 중에서 모델이 positive라고 예측한 비율

- Sensitivity (= 민감도)

4) F1-Scroe

- Recall과 Precision의 조화평균 

- 0 ~ 1 사이의 값을 가지고 1에 가까울수록 좋음

5) AUC-ROC

- AUC-ROC는 이진 분류 모델의 성능을 나타내는 지표 중 하나로, ROC 곡선 아래 영역의 면적을 나타냄

-  ROC 곡선은 모델의 민감도(재현율)에 대한 1 - 특이도 그래프

- 0 ~ 1 사이의 값을 가지고 1에 가까울수록 좋음