1. 등장 배경
- MOTA와 IDF1의 아래와 같은 문제점을 보완하기 위함
- detection과 association을 지나치게 강조
- predicted box와 GT box 사이의 detection similarity threshold를 0.5로 고정시켜서 값을 측정
2. 개념
- detection score와 association score의 조합으로, accurate detection과 association의 균형을 맞춘 것
- detection similarity threshold를 0.05 부터 0.95까지 0.05 intervals로 값을 바꿔가면서 측정
- localization accuracy를 더 잘 고려
3. 계산 방법
- \( \text {HOTA}_{\alpha } = \sqrt{\frac{\sum _{c \in \{\text {TP}\}} \mathcal {A}(c) }{|\text {TP}| + |\text {FN}| + |\text {FP}|}} \)
- \( \mathcal {A}(c) = \frac{|\text {TPA}(c)|}{|\text {TPA}(c)| + |\text {FNA}(c)| + |\text {FPA}(c)|} \) (\( **\mathcal {A}(c) \) is Association)
- \( TPA \) : \( c \)와 동일한 gtID와 prID를 모두 가진 \( TP \)의 집합
- \( FNA \) : \( c \)와 동일한 gtID를 가진 집합이지만, \( c \)와 다른 prID를 할당하였거나 누락한 경우
- \( FPA \) : \( c \)와 동일한 prID를 가진 집합이지만, \( c \)와 다른 gtID를 할당하였거나 object가 아닌 경우
참고 링크
https://arxiv.org/abs/2009.07736
