Какие метрики использовать для CV-задач: mAP @ COCO (AP50 / AP75 / AP) / IoU / Dice / PQ (panoptic quality) / Recall@K — какая метрика для какой задачи и подводные камни?

Метрики ↔ задачи: detection → mAP @ COCO (AP=AP@[.5:.05:.95], AP50, AP75); semantic segmentation → mIoU (Cityscapes, ADE20K) или Dice (medical); panoptic segmentation → PQ = SQ × RQ; visual search / retrieval → Recall@K и NDCG@K; classification → top-1/top-5 accuracy. IoU (Jaccard) = TP/(TP+FP+FN) — атомарная единица для всех detection/seg метрик. Подводные камни: AP50 vs AP75 — разная строгость; Dice штрафует маленькие FN; PQ совмещает quality + recognition и несопоставим с IoU; Recall@K без re-ranking может прятать false positives. Production-реализация: pycocotools COCOeval, torchmetrics MeanAveragePrecision/JaccardIndex/Dice, custom Recall@K через FAISS.