HALCONs deep-learning-basierte Objektdetektion 3: evaluieren des trainierten Modells

Zuerst werden wir uns verschiedene Inferenz-Parametern anschauen, mit denen wir Ergebnisse anhand ihrer Überlappungen oder zugewiesenen Konfidenz-Werten filtern können.

Dann wenden wir uns Tortendiagrammen zu, die die Trefferquote (engl. recall) und Genauigkeit (engl. precision) auf einem gegebenen Datensatz visualisieren. Zusätzlich hilft uns eine Konfusionsmatrix/Wahrheitsmatrix dabei, die einzelne Klassen genau zu evaluieren. Zuletzt schauen wir uns noch Bilder mit falsch positiven und falsch negativen Instanzen an.