目标检测map@50计算代码简要

1. map50定义：
   map@0.5" 通常是指目标检测任务中的平均精确度（mAP）评估指标，其中 IoU 阈值设为 0.5。mAP@0.5 衡量了模型在检测目标时的准确性。
2. 代码简单：

# 模拟目标检测的预测结果和真实标签
# 每个元素表示一个检测框，[x1, y1, x2, y2, confidence, class]
predictions = [
    [50, 50, 150, 150, 0.9, 0],
    [60, 60, 160, 160, 0.85, 1],
    [70, 70, 170, 170, 0.8, 0],
    # 更多预测框...
]

# 真实标签
# 每个元素表示一个真实目标，[x1, y1, x2, y2, class]
ground_truth = [
    [55, 55, 155, 155, 0],
    [65, 65, 165, 165, 1],
    # 更多真实目标...
]

# 定义 IoU 阈值
iou_threshold = 0.5

# 初始化变量来计算 mAP 和正确检测的目标数
mAP = 0.0
correct_detections = 0

# 对每个预测框进行处理
for prediction in predictions:
    max_iou = 0.0
    best_match = None
    
    # 寻找与当前预测框具有最高 IoU 的真实目标
    for gt in ground_truth:
        iou = calculate_iou(prediction[:4], gt[:4])
        if iou > max_iou:
            max_iou = iou
            best_match = gt
    
    # 如果找到了匹配的真实目标，并且置信度满足阈值
    if max_iou >= iou_threshold and prediction[4] >= confidence_threshold:
        correct_detections += 1

# 计算 mAP@0.5
mAP = correct_detections / len(predictions)

# 打印结果
print("mAP@0.5:", mAP)

3. 上述示例中的 calculate_iou 函数用于计算两个矩形框的 IoU。这个示例是一个非常基本的目标检测评估示例，实际情况可能更加复杂，包括多类别目标、多个IoU阈值、坐标解码等考虑因素。