cocoapi如何计算map

本文介绍coco style的map计算方式

相关概念

1. map mean average precision，表示各类别ap的平均值
2. ap average precision，表示P-R曲线下的面积
3. p precision，查准率，$p=\frac{TP}{TP+FP}$
4. r recall，召回率，$r=\frac{TP}{TP+FN}$
5. TP true positive，在detection中，表示成功检测到某个ground truth bounding box的预测框的数量
6. FP false positive，表示没能匹配到某个ground truth bounding box的预测框的数量
7. FN false negative，表示没能检测出来的ground truth bounding box 注意FN和FP是不一样的
8. 判定阈值 表示判断预测框成功检测出某个gt bbox的iou阈值，即$iou(dt,gt)$大于该阈值时，才认为$dt$成功匹配到了$gt$，在coco style的map计算中，存在多个判定阈值$0.5,0.55,0.6,...,0.95$

为了弄清楚cocoapi是如何计算map的，我们需要搞清楚下面几个问题

如何计算TP和FP

计算TP和FP其实就是为所有的预测框分配gt bbox。
cocoapi的分配算法如下所示：
输入: 图片 $I$，类别 $C$，判定阈值$threshold$
过程:

• 找到$I$上所有属于$C$类的预测框集合$D$
• 找到$I$上所有属于$C$类的gt bbox集合$G$
• 将$D$按照分类置信度降序排列
• $fordin$