Im dritten Teil der Tutorial-Serie zur HALCONs Objektdetektion werden wir das Deep-Learning-basierte Modell evaluieren, das wir im letzten Video trainiert haben.
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.
