Ответсообщение недоступно
Спасибо за ответ. Хочу сделать еще одно уточнение. Вы упомянули о постепенном снижении порога принятия решения. С учетом этого действитель очевидно, почему полнота может стремиться к единице, ну или просто увеличиваться, ведь чем меньше порог, тем выше вероятность определить объект из тестовой выборки. Но когда я читал/смотрел описание алгоритма вычисления mAP (для задачи детектирования объектов), то там не упоминалось о постепенном снижении порога принятия решения. Ну или я упустил этот момент. Алгоритм там такой: получаешь предсказания для всей выборки, сортируешь их по убыванию confidence, для каждого предсказания определяешь является ли оно tp или fp, если tp, то ставишь единицу в ячейку tp, и ноль в ячейку fp, и наоборот. Далее делаешь суммирование с накоплением для ячеек с tp и fp. Потом на основе этих накопленных данных определяешь точность и полноту. Знаменатель формулы полноты при этом равен общему числу объектов тестовой выборки, и является константным. И как я понял, порог там фиксированный для каждой отдельной кривой. Но при этом могут вычисляться кривые с разным порогом, и далее площади под кривыми могут усредняться. В общем, я не уверен, что до конца понял этот алгоритм, был бы признателен, если кто то поможет до конца разобраться.