物体検出AIの精度を定義する「mAP（mean Average Precision）」の仕組み

物体検出AIの精度を定義する「mAP（mean Average Precision）」の仕組みとは

物体検出AIの精度を定義する「mAP（mean Average Precision）」の仕組みとは、物体検出モデルの性能を評価するための主要な指標です。これは、複数のクラスにわたる平均適合率（Average Precision, AP）の平均値を取ることで算出されます。各クラスのAPは、異なる閾値における適合率（Precision）と再現率（Recall）の関係を曲線で表し、その曲線下面積として計算されます。mAPは、検出された物体の位置特定（IoU）と分類の両方の精度を総合的に評価できるため、AIモデルの性能評価における重要な「精度指標」の一つとして広く用いられています。特に、多種多様な物体を検出するタスクにおいて、モデルの汎用的な性能を客観的に比較・分析する上で不可欠な指標です。

このキーワードが属するテーマ