The English version of this page is being translated and reviewed; the Thai original is shown for now.
Evaluating an object-detection model
วัดความแม่นยำและ latency บน PC
L12 · แนวทางทดลอง
วัดความแม่นยำและ latency บน PC
อ่านหลักการ: Computer Vision และ Edge AI
สิ่งที่ต้องเตรียม
ภาพที่มีสิทธิ์ใช้พร้อม annotation และโมเดลที่ใช้ได้ตาม license
OpenCVUltralytics YOLOONNX RuntimeCVAT CommunityGoogle Colab
เลือกขั้นตอนติดตั้งที่ตรง Windows/Linux และตรึงรุ่นตามคู่มือต้นทาง รายการนี้ยังเป็นโจทย์ทดลอง ไม่ใช่บันทึกผลที่รันผ่านแล้ว
ลำดับทดลอง
- แยกชุดภาพทดสอบจากภาพฝึกตามฉากหรือเที่ยวบิน
- รัน inference บน CPU ก่อน เก็บผลและเวลาโดยเว้น warm-up
- เปลี่ยน confidence/input size ทีละตัวแล้วคำนวณ precision/recall
- สรุป error ตัวอย่างและ latency median/p95 พร้อม environment
ผลลัพธ์ที่ควรเก็บ
annotation/model manifest และตาราง metrics
ตรวจความเข้าใจและผลที่ได้
ทำซ้ำได้บนข้อมูลเดิม และแยก inference time จาก end-to-end time
ขอบเขตการตีความ
ยังไม่เชื่อมผลตรวจจับเข้ากับการควบคุมอากาศยานจริง
Used in courses
UAT 306 Artificial Intelligence for UASUAT 307 Computer Vision and Perception TechnologyUAT 470 Intelligent Image Analysis SystemsUAT 483 Computer Vision Applications
How to cite this page
Drone Institute, Rangsit University. (2026). Evaluating an object-detection model. In UAS Technology Knowledge Hub (B.Tech.). https://rsu-uat.pk-research.work/en/kb/labs/l12/