感知模型召回率、精确率计算(终)

上篇文章讲述目标框与感知框交并比计算方法，本文将详细说明召回率与精确率的计算方式。

步骤1：格式化数据

格式化数据分为两步，第一步：格式化标注数据，第二步：格式化感知结果，具体格式如下：

# 标注数据的格式为:
# {
   
#   '文件名': [{'class': value, 'center': [x, y, z], 'size': [l, w, h], 'rotation': value, 'used': False}, ...],
#   '文件名': [{'class': value, 'center': [x, y, z], 'size': [l, w, h], 'rotation': value, 'used': False}, ...],
# }
def _format_mark_data(self):
   _format_mark_data = {
   }
   # mark_data 格式为 {"file_name": [["class", [x, y, z], [l, w , h], rotation], ...]}
   for file_name, targets in self.mark_data.items():
       bounding_boxes = []
       for data in targets:
           bounding_boxes.append({
   "class_name": data[0], "center": data[1], "size": data[2],
                                  "rotation": data[3], "used": False})
       _format_mark_data[file_name] = bounding_boxes
   return _format_mark_data

# 感知结果格式为：
# {
   
#	"class": [
#	    {
   
#	        'file_name': 'file_name'
#	        'confidence': value,
#	        'center': [x, y, z],
#	        'size': [l, w, h],
#	        'rotation': value,
#	    },
#	    ...
#	]
#	...
# }
def _format_res_data(self):
    # res_data 格式为 {"file_name": [["class", [x, y, z], [l, w , h], rotation], ...]}
    _format_res_data = {
   }
    for file_name, targets in self.res_data.items():
        for target in targets