上文我们说到【行人检测】miss rate versus false positives per image (FPPI) 前世今生(理论篇),今天我们来跑通作者绘制FPPI图的代码以及源码解读
(第一、二、三、四都在上一篇文章中,所以这篇文章直接从五开始)
五、miss rate versus false positives per image (FPPI) 官方绘制方法
接下来我们用作者提供的数据,跑通作者绘图的代码
(很多人可能会好奇,python现在这么热门,居然不是用python画的,主要原因有两个:1. 因为原作者提供的代码就是matlab的;2. 因为我在网上没有找到一个比较靠谱的python写法,所以目前先只讨论matlab版的。如果后续看到有比较好的python版画法,我再加上吧)
1. 安装第三方工具包
按照这篇文章Caltech评估方法的0 安装
步骤安装
2. 下载annotations和res
annotations是数据集的ground truth,res是模型的预测
下载地址:https://drive.google.com/drive/folders/1IBlcJP8YsCaT81LwQ2YwQJac8bf1q8xF
两个都要下载
文件放置如图所示(res文件夹需要自己你新建):
annotations压缩包解压到../code3.2.1/data-USA
中,annotations文件内如图所示:
res文件里的所有压缩包分别解压到独立文件夹中,并放在../code3.2.1/data-USA/res
中,res文件内如图所示:
如果你觉得下载annotations和res嫌麻烦的话,可以直接下载我的这个,直接运行dbEval.m
就好了
下载地址:miss rate versus false positives per image(FPPI)绘制代码
3. 运行绘图代码
绘图工具的代码地址在:http://www.vision.caltech.edu/Image_Datasets/CaltechPedestrians/
在Download标题下的Matlab evaluation/labeling code (3.2.1).
,解压后里面有个dbEval.m
文件,这个文件就是主要用来绘制FPPI曲线的。
打开dbEval.m
,将第136行的GDFL算法注释掉,不然会报错
在dbEval.m
第292行前加一句:
saveas(gcf, './results/mr-fppi.png')
并且注释掉第293~297行的代码,如下图所示