曝光
找出大部分過暗或過曝的影像。
測試方法
72霧
在影像中模擬霧，並與基準比較模型結果。
類別平衡
比較包含各個已宣告類別的影像數。
顯著圖
利用輸入梯度，檢視影像預測對像素的敏感程度。
AP@0.50
衡量 IoU 閾值為 0.50 時的偵測平均精確率。
AP@0.75
衡量 IoU 閾值為 0.75 時的偵測平均精確率。
Brier 差距
比較各群組的 Brier 分數。
Dice
以 Dice 衡量預測遮罩與參考遮罩的重疊程度。
ECE 差距
比較各群組的預期校準誤差。
FGSM
以單步梯度對抗擾動測試影像模型。
Grad-CAM
利用模型特徵圖，將影像預測歸因至輸入區域。
Integrated Gradients
從參考輸入開始累積梯度，為影像預測進行歸因。
IoU 變體
以 IoU、GIoU、DIoU 及 CIoU 比較預測框與參考框。
JPEG 壓縮
對影像進行 JPEG 壓縮，並與基準比較結果。
LIME
以可解讀的模型，近似解釋單次表格預測。
MAE
衡量預測值與參考值之間的平均絕對差。
mAP
衡量旋轉邊界框的平均精確率。
mAP 50–95
衡量 IoU 閾值由 0.50 至 0.95 的偵測平均精確率。
MAPE
相對於非零參考值，衡量平均絕對誤差。
mAR
在每張影像最多 1、10 及 100 個偵測結果下衡量召回率。
NLL 差距
比較各群組的負對數似然。
PGD
以多步投影梯度擾動測試影像模型。
R²
比較迴歸殘差與參考值的變異程度。
RMSE
衡量預測誤差平方平均值的平方根。
第 49–72 項，共 72 項結果