Tensorflow对象检测API目前支持三种评估协议,可以通过将metrics_set设置为相应的值在EvalConfig中进行配置。
默认的情况下,应该是1.1的eval方式,即不设置这个参数时,为1.1中的方式。
1.PASCAL VOC 2010
PASCAL VOC 2010对应着四个设置模型。
1.1 PASCAL VOC 2010 detection metric
in *.config file 可以这么设置
eval_config: {
metrics_set: "pascal_voc_detection_metrics"
num_examples: ***
}
这种模式下,主要以目标检测评估指标mAP作为度量标准。
1.2 Weighted PASCAL VOC detection metric
in *.config file 可以这么设置
eval_config: {
metrics_set: "weighted_pascal_voc_detection_metrics"
num_examples: ***
}
也是计算mAP,但是受每个类出现的频率是有关的。
1.3 PASCAL VOC 2010 instance segmentation metric(分割任务)
in *.config file 可以这么设置
eval_config: {
metrics_set: "pascal_voc_instance_segmentation_metrics"
num_examples: ***
}
计算真实掩码与预测掩码的交并比吧。
1.4 Weighted PASCAL VOC instance segmentation metric(分割任务)
in *.config file 可以这么设置
eval_config: {
metrics_set: "weighted_pascal_voc_instance_segmentation_metrics"
num_examples: ***
}
同样是计算真实掩码与预测掩码的交并比,但是应该和每个类出现的频率有关吧。(欢迎讨论)
2. COCO
2.1 COCO detection metrics
in *.config file 可以这么设置
eval_config: {
metrics_set: "coco_detection_metrics"
num_examples: ***
}
COCO度量是用于对COCO比赛进行评分的官方检测度量,与Pascal VOC度量相似,但实现稍有不同,并报告其他统计信息,如IOU阈值为0.5,0.95的mAP,以及小、中、大对象的精度/召回统计信息 .
2.2 COCO mask metrics
in *.config file 可以这么设置
eval_config: {
metrics_set: "coco_mask_metrics"
num_examples: ***
}
3. Open Images V2
这个完全没有用过,所以就不详写了。
3.1 Open Images V2 detection metric
in *.config file 可以这么设置
eval_config: {
metrics_set: "oid_V2_detection_metrics"
num_examples: ***
}
3.2 OID Challenge Object Detection Metric
in *.config file 可以这么设置
eval_config: {
metrics_set: "oid_challenge_detection_metrics"
num_examples: ***
}
3.3 OID Challenge Visual Relationship Detection Metric
3.4 OID Challenge Instance Segmentation Metric
in *.config file 可以这么设置
eval_config: {
metrics_set: "oid_challenge_segmentation_metrics"
num_examples: ***
}
参考
1.Supported object detection evaluation protocols