yoloV5代码学习总结

YOLOV5 代码学习总结

• 摘要 在学习YOLOV5代码过程中记录一些代码理解

计算AP值 compute_ap

def compute_ap(recall, precision):
    """ Compute the average precision, given the recall and precision curves.
    Source: https://github.com/rbgirshick/py-faster-rcnn.
    # Arguments
        recall:    The recall curve (list).
        precision: The precision curve (list).
    # Returns
        The average precision as computed in py-faster-rcnn.
    """

    # Append sentinel values to beginning and end
    mrec = recall  # np.concatenate(([0.], recall, [recall[-1] + 1E-3]))
    mpre = precision  # np.concatenate(([0.], precision, [0.]))

    # Compute the precision envelope
    mpre = np.flip(np.maximum.accumulate(np.flip(mpre)))

    # Integrate area under curve
    method = 'interp'  # methods: 'continuous', 'interp'
    if method == 'interp':
        x = np.linspace(0, 1, 101)  # 101-point interp (COCO)
        ap = np.trapz(np.interp(x, mrec, mpre), x)  # integrate
    else:  # 'continuous'
        i = np.where(mrec[1:] != mrec[:-1])[0]  # points where x axis (recall) changes
        ap = np.sum((mrec[i + 1] - mrec[i]) * mpre[i + 1])  # area under curve

    return ap, mpre, mrec

• np.maximum.accumulate（）

计算数组（或数组的特定轴）的累积最大值：
例如：d = np.array([2, 0, 3, -4, -2, 7, 9])
c = np.maximum.accumulate(d) # array([2, 2, 3, 3, 3, 7, 9])

• np.flip()
  [参考连接](https://numpy.org/doc/stable/reference/generated/numpy.flip.html)

A = np.arange(8).reshape((2,2,2))
A
array([[[0, 1],
        [2, 3]],
       [[4, 5],
        [6, 7]]])
np.flip(A, 0)
array([[[4, 5],
        [6, 7]],
       [[0, 1],
        [2, 3]]])
np.flip(A, 1)
array([[[2, 3],
        [0, 1]],
       [[6, 7],
        [4, 5]]])
np.flip(A)
array([[[7, 6],
        [5, 4]],
       [[3, 2],
        [1, 0]]])
np.flip(A, (0, 2))
array([[[5, 4],
        [7, 6]],
       [[1, 0],
        [3, 2]]])

• np.interp（x, xp, fp, left=None, right=None, period=None）
  参考链接
  一维线性插值返回离散数据的一维分段线性插值结果.
  参数
  x: 数组
  待插入数据的横坐标.

xp: 一维浮点数序列
原始数据点的横坐标，如果period参数没有指定那么就必须是递增的。否则，在使用xp = xp % period正则化之后，xp在内部进行排序.

fp: 一维浮点数或复数序列
原始数据点的纵坐标，和xp序列等长.

left: 可选参数，类型为浮点数或复数（对应于fp值），当x < xp[0]时的插值返回值，默认为fp[0].

right: 可选参数，类型为浮点数或复数（对应于fp值），当x > xp[-1]时的插值返回值，默认为fp[-1].
period: None或者浮点数，可选参数. 横坐标的周期. 此参数使得可以正确插入angular x-coordinates. 如果该参数被设定，那么忽略left参数和right参数。

返回值
浮点数或复数（对应于fp值）或ndarray. 插入数据的纵坐标，和x形状相同。

x = [0, 1, 1.5, 2.72, 3.14]
xp = [1, 2, 3]
fp = [3, 2, 0]
y = np.interp(x, xp, fp)  # array([ 3. ,  3. ,  2.5 ,  0.56,  0. ])
plt.plot(xp, fp, '-o')
plt.plot(x, y, 'x')
plt.show()

当对应的x序列为[0, 1, 1.5, 2.72, 3.14]时，得到的y序列是[ 3. , 3. , 2.5 , 0.56, 0. ]，需要注意的是当x=0时，由于0 < xp[0]，所以y被设定为fp[0]，也就是3，当x=3.14时，由于3.14 > xp[-1]，则y被设定为fp[-1]，也就是0。

• np.trapz(np.interp(x, mrec, mpre), x)
  参考链接
  这里np.interp(x, mrec, mpre)和x长度一致，计算两者围成的面积。

np.trapz([1,2,3])
4.0
np.trapz([1,2,3], x=[4,6,8])
8.0
np.trapz([1,2,3], dx=2)
8.0
theta = np.linspace(0, 2 * np.pi, num=1000, endpoint=True)
np.trapz(np.cos(theta), x=np.sin(theta))
3.141571941375841

未完待续……