【深度学习】目标检测mAP计算及旋转检测IOU

传统目标检测

这里仅作简要分析，源码地址（代码有些许改变）https://github.com/Cartucho/mAP/blob/master/main.py
1.文件夹分为两个，真实标签及检测标签

两个文件夹中的文件均为txt文件，每张图片对应一个txt文件，其中真值标签，每一行一个目标，类别名+坐标值

其中检测标签，每一行一个目标，类别名+置信度+坐标值

mAP计算步骤：

1.将所有真值标签读取并保存json文件，字典数据有以下3个，

按图片名划分文件夹保存

2.遍历所有文件，按照类别名保存bounding_boxes，并按照置信度进行排序，并保存json文件，字典数据有以下3个

按照置信度排序，按类别名划分文件夹保存

3.遍历检测到的每一类bounding_boxes（顺序遍历，即按照置信度读取当前类的框）

（1）获取当前框所属的图片名，调取对应图片的真值标签
（2）计算真值标签与识别标签的IOU，取最高IOU（ovmax）对应的两个框（检测框及其对应的真值框）
（3）若ovmax大于最小阈值，一般为0.5，且真值框未被使用过，则为TP，使用过为FP
（4）ovmax小于阈值，则为FP
（5）根据当前类得到的所有框的tp和fp序列，按序列顺序计算召回率rec和精确度prec

（6）得到的rec和prec输入给voc_ap计算当前类别ap值，召回率及精确度

4.计算出各类别AP后平均即是mAP

旋转检测IOU

旋转检测的mAP评估仅改变IOU计算方式，传统目标检测的IOU计算如下所示