關於使用機器學習於grasp detection的評估方式已刪文
如標題，
找不到相關板可以詢問，若有違規請告知，我再處理。
目前我是用機器學習來回歸物體的夾取框，但看到許多論文的比較表中，在image-wise與object-wise比較有些不懂。
目前我的理解如下 :
image-wise : 測試集的物體出現在訓練集過，但擺放的位置與角度不同。
object-wise : 測試集的物體沒出現在訓練集中。
不知以上的理解是否錯誤，若有誤請大大指正。
還有比較的accuracy，有些論文寫grasp detection accuracy與prediction accuracy，不知三種說法是不是指同樣的東西?
並且accuracy該如何計算? 論文上只寫著同時滿足夾取框與GT的IOU大於0.25與角度小於30度，不知該如何計算，是指假設100個結果有90個滿足兩個條件，accuracy就是90%，還是這邊的的accuracy是指滿足後計算IOU的accuracy=(tp+tn)/(tp+tn+fp+fn)?
小弟是實驗室中第一年做機器手臂的，沒有學長姐可以問，只能來這邊，各位前輩了！
手機排版，可能有些凌亂，抱歉~
-----
Sent from JPTT on my Asus ASUS_Z012DA.
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 42.77.3.161 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/DataScience/M.1562394116.A.82C.html
DataScience 近期熱門文章
PTT數位生活區 即時熱門文章
