cocoapi指定的数据格式(训练网络预测的结果)
[
{
"image_id" : int,
"category_id: int,
"bbox" : [x.y.width,height],
"score" : float,
}
]
预测的时候,将每一个验证结果都写成字典的形式,全部放在列表中,之后写成json的格式
AP
mAP 是指 对多个类别的AP取平均值
通过设置不同的阈值,使confidence 与 threshold进行比较,就会得到不同的 precision,recall
绘制图像,最后计算其面积
对于计算面积:先去将recall相同的点滤去,之后宽就是当时的recall- 前一个recall
高就是指当前的Precision 以及之后的Precaution 中最大的一个
一般会按照 Confidence排序
定位要求比较高可以关注下 IoU = 0.75 AP的值,
PASCAL VOC的评价指标 IoU = 0.5 AP
COCO 评价指标 IoU 0.50:0.95 取平均
小目标的评价指标 area = small < 32*32 COCO评价指标
可以关注下AR中 maxDets = 10 和 maxDets = 100 的值 如果这两个值差距很小 也就是说绝大多数图片的目标个数在10以内 可以减少检测的目标个数