Question

我喜欢用mAP（平均精度）来评估我的物体检测模型。在https://github.com/tensorflow/models/tree/master/research/object_detection/utils/中，我想使用object_detection_evaluation.py。

我将以下用于groundtruth框：

pascal_evaluator = object_detection_evaluation.PascalDetectionEvaluator(
    categories, matching_iou_threshold=0.1)

groundtruth_boxes = np.array([[10, 10, 11, 11]], dtype=float)
groundtruth_class_labels = np.array([1], dtype=int)

groundtruth_is_difficult_list = np.array([False], dtype=bool)

pascal_evaluator.add_single_ground_truth_image_info(
    'img2',
    {
        standard_fields.InputDataFields.groundtruth_boxes: groundtruth_boxes,
        standard_fields.InputDataFields.groundtruth_classes: groundtruth_class_labels,
        standard_fields.InputDataFields.groundtruth_difficult: groundtruth_is_difficult_list
    }
)

这是预测框：

# Add detections
image_key = 'img2'
detected_boxes = np.array(
    [ [100, 100, 220, 220], [10, 10, 11, 11]],
    dtype=float)
detected_class_labels = np.array([1,1], dtype=int)
detected_scores = np.array([0.8, 0.9], dtype=float)
pascal_evaluator.add_single_detected_image_info(image_key, {
    standard_fields.DetectionResultFields.detection_boxes:
        detected_boxes,
    standard_fields.DetectionResultFields.detection_scores:
        detected_scores,
    standard_fields.DetectionResultFields.detection_classes:
        detected_class_labels
})

我用

打印结果

metrics = pascal_evaluator.evaluate()
print(metrics)

我的问题：

如果我使用此预测框[100, 100, 220, 220]，[10, 10, 11, 11]，结果为：

{'PASCAL/Precision/mAP@0.1IOU'：1.0， 'PASCAL/PerformanceByCategory/AP@0.1IOU/face'：1.0}

如果我使用[10, 10, 11, 11]，[100, 100, 220, 220]（其他Box序列）

我得到以下结果：

{'PASCAL/Precision/mAP@0.1IOU'：0.5， 'PASCAL/PerformanceByCategory/AP@0.1IOU/face'：0.5}

为什么会这样？还是它的错误？

干杯迈克尔

Answer 1

尽管您对此不太清楚，但我认为我在您的代码中发现了错误。您提到对于边界框的不同顺序会得到不同的结果。这似乎很奇怪，如果为真，那肯定是一个错误。

但是，由于我自己对代码进行了测试，因此您可能没有将相应的分数（detected_scores = np.array([0.8, 0.9], dtype=float)）更改为边界框。但是这样一来，您不仅可以更改边界框的顺序，还可以更改问题。如果您应用正确的边界框，则两种情况下的mAP均保持不变：

{'PascalBoxes_Precision/mAP@0.5IOU'：1.0， 'PascalBoxes_PerformanceByCategory/AP@0.5IOU/person'：1.0}

Tensorflow对象检测评估

1 个答案: