Python 为目标检测任务绘制 ROC 和 PR 曲线

  在评价一个检测模型时通常需要绘制出其 ROC 曲线或 PR 曲线。本文利用 Python 实现了 ROC 和 PR 曲线的绘制，在 draw_curves 函数中读取 .txt 文件即可一次性绘制出两条曲线并输出 AUC 和 mAP 值，适用于目标检测任务，例如人脸检测。获取代码请戳 GitHub 链接。

1 流程

为目标检测任务绘制曲线的流程如下：

1. 以检测结果中每一个的 boundingbox 为对象(记检测出的 boundingbox 的个数为 M)，去匹配该张图片里的每一个 groundtruth boundingbox，计算出交并比 (IoU)，并保留其中最大的值—— maxIoU，同时记录下 confidence 分数。就得到了一个数组—— maxIoU_confidence，其长度等于 M，宽度为 2，再按照 confidence 从大到小排序。
2. 设置一个阈值，一般取 0.5。当 maxIoU 大于阈值时，记为 1，即 true positive；当 maxIoU 小于阈值时，记为 0，即 false positve。这样就得到了 tf_confidence，其尺寸不变，与 maxIoU_confidence 相同。
3. 从上到下截取数组 tf_confidence 的前 1，2，3，…，M 行，每次截取都得到一个子数组，子数组中 1 的个数即为 tp，0 的个数即为 fp，查全率 recall (或 TPR) = tp / (groundtruth boundingbox 的个数)，查准率 precision = tp / (tp + fp)。每次截取得到一个点，这样就一共得到 M 个点。以 fp 为横坐标，TPR 为纵坐标绘制出 ROC 曲线；以 recall 为横坐标，precision 为纵坐标绘制出 PR 曲线。

2 输入

  本程序需要读入两个分别记录检测结果和标准答案的 .txt 文件，记录格式与 FDDB 的要求相同，即
...
image name i
number of faces in this image =im
face i1
face i2
...
face im
...
当检测框为矩形时，$face{i}_m$