COCO的API简介【python3仅针对Detection】

jiao_mrswang

已于 2022-04-24 14:55:17 修改

阅读量2.1k

点赞数 3

文章标签：深度学习

于 2021-08-12 17:53:55 首次发布

本文链接：https://blog.csdn.net/jiao_mrswang/article/details/119650276

版权

0、导入coco相关库

import pycocotools.coco as coco
from pycocotools.cocoeval import COCOeval

1、COCO类简介：初始化参数必须为标注文件即gt.coco或者None

2、COCOeval类简介：参数1==COCO类的gt的对象，参数2==COCO类的result的对象

1、加载gt.coco，返回COCO类的gt.coco的对象

gt_obj=coco.COCO(path+"gt.coco")

执行完以上代码，会输出下图所示的提示信息：

2、加载result.json，返回COCO类的result.json的对象。【即gt_obj与res_obj是相同的类(COCO)的对象】

res_obj=coco_obj.loadRes(resPath+"result.json")

执行完以上代码，会输出下图所示的提示信息：

3、整合信息，将gt.coco与result.json联系起来，返回COCOeval类的对象。【即该对象同时拥有gt.coco与result.json的信息并指定用gt.coco的annotations的哪个字段进行计算指标】

coco_eval=COCOeval(gt_obj,res_obj,"bbox")

执行完以上代码，不会输出任何信息

4、设置需要计算指标的模型类别，如果不设置则计算所有类别的平均指标。

coco_eval.params.catIds=data_gt["categories"][n]["id"]

执行完以上代码，不会输出任何信息

5、以指定的gt.coco的annotations字段为准例如"bbox"，计算每张图片的所设置的模型类别的结果，核心是计算iou。

coco_eval.evaluate()

执行完以上代码，会输出下图所示的提示信息：

6、累计每张图片的评估结果

coco_eval.accumulate()

执行完以上代码，会输出下图所示的提示信息：

7、打印结果

coco_eval.summarize()

执行完以上代码，会输出下图所示的提示信息【绿框是MAP，红框中的是AP50】：

总结1：以下为计算MAP/AP50的完整代码

8、COCOeval类中的实例的属性COCOeval.params.iouThrs代表了IOU可选的范围，即IOU的可选取coco_eval.params.iouThrs中的任意一个数

print(coco_eval.params.iouThrs)######是一个numpy类型的array[0.5  0.55 0.6  0.65 0.7  0.75 0.8  0.85 0.9  0.95]

执行完以上代码，输出下图所示信息：

9、COCOeval类中的实例的属性COCOeval.eval代表了计算的结果，COCOeval.eval是一个字典，需要计算哪个指标从该字典中获取即可。

print(coco_eval.eval.keys())####coco_eval.eval是一个字典，包含了所有计算的指标信息

执行完以上代码，输出下图所示信息：

10、计算IOU为某几个值的precison。如果IOU选取了coco_eval.params.iouThrs中的所有值，那么就是MAP。如果IOU只选取了0.5，那么就是AP50。

iou_min_index=coco_eval.params.iouThrs.tolist().index(iou_min)
iou_max_index=coco_eval.params.iouThrs.tolist().index(iou_max)
each_IOU_precision = coco_eval.eval['precision'][iou_min_index:iou_max_index+1, :, 0, 0, 2]#####获取IOU为0.5~0.95的precision
MAP=round(np.mean(each_IOU_precision) * 100, 2)####计算所有IOU的precision的均值即MAP
min_IOU_precision = coco_eval.eval['precision'][iou_min_index:iou_min_index + 1, :, 0, 0,2]  #####获取IOU为0.5的precision
AP50 = round(np.mean(min_IOU_precision) * 100, 2)  ####计算所有IOU的precision的均值即MAP

总结2：以下为打印精确度更高的MAP&&AP50的完整代码【即计算MAP/AP50的小数点后两位】

以上代码中的result.json的格式为：

以上代码的gt.coco的格式如下：

{
"images": [
{
"file_name": "ZYLC_zunyi_lc_ch02012_20220403145835.mp4.cut0.jpg",
"height": 2160,
"width": 3840,
"id": "ZYLC_zunyi_lc_ch02012_20220403145835.mp4.cut0.jpg"
},
{
"file_name": "ZYLC_zunyi_lc_ch01006_20220403133234.mp4.cut0.jpg",
"height": 2160,
"width": 3840,
"id": "ZYLC_zunyi_lc_ch01006_20220403133234.mp4.cut0.jpg"
}
],
"annotations": [
{
"segmentation": [],
"area": 9450,
"iscrowd": 0,
"image_id": "ZYLC_zunyi_lc_ch02012_20220403145835.mp4.cut0.jpg",
"bbox": [
3318,
194,
135,
70
],
"id": 1,
"category_id": 3
},
{
"segmentation": [],
"area": 114737,
"iscrowd": 0,
"image_id": "ZYLC_zunyi_lc_ch02012_20220403145835.mp4.cut0.jpg",
"bbox": [
3158,
118,
443,
259
],
"id": 3,
"category_id": 1
},
{
"segmentation": [],
"area": 317550,
"iscrowd": 0,
"image_id": "ZYLC_zunyi_lc_ch01006_20220403133234.mp4.cut0.jpg",
"bbox": [
2752,
1035,
730,
435
],
"id": 4,
"category_id": 2
}
],
"categories": [
{
"id": 1,
"name": "car"
},
{
"id": 2,
"name": "front"
},
{
"id": 3,
"name": "rear"
}
]
}