facebook mAP实现详解，学习mAP代码实现总结

Facebook实现VOC数据集上的mAP评价指标有三个函数：

parse_rec(): 解析每张图片的.xml文件，得到其中的groundtruth

voc_ap(): 利用得到的rec、precision数组按照VOC07的方式或者计算面积的方式计算每个类别ap值

voc_eval(): 在给定的iou阈值下，计算每个类别的预测框是TP or FP，得到recall、precision数组

首先来看voc_eval()函数：

（1）先读入所有测试图片的文件名；

（2）然后判断存放每张图片groundtruth的.pkl文件是否存在，若存在载入内存；若不存在通过parse_rec()函数解析每一个xml文件，得到存放所有图片groundtruth的字典recs，然后存入.pkl文件。

注:recs的类型是字典，其中的嵌套结构较为复杂。每张图片的名称形成该字典key集合，其中的每个value是一个list，list中的元素也是字典类型，每个字典元素表示表示一个groundtruth包围框的各种信息，如：name、pose、truncated、difficult、和bbox（其值是list形式的坐标）

嵌套形式大概像这样：recs={image_name1:[{name:xxxx, pose:xxx, truncated:xxx, difficult:xxx, bbox:[x,x,x,x]}{............}{............}....], image_name2:.......}

（3）根据class_name参数，处理recs得到class_recs,class_recs中的所有groundtruth都变成了是针对class_name类别的groundtruth包围框。其中difficult是表示每个groundtruth包围框在评价时是否计入，det是表示每各groundtruth包围框是否已经有预测框与之匹配。

（4）读入class_name类别下预测的包围框的数据，预测的包围框文件的数据形式是每条数据包含三种信息：image_id、confidence、bbox。按置信度给每条数据升序排列，然后计算每个预测框bbox在对应的image_id中的最大交并比，如果大于iou阈值且对应的groundtruth包围框不是difficult且还没有预测框与之匹配，则把该预测框记为TP，否则记为FP。（其中当为difficult时，该预测框不记为TP或者FP，只记为0.）

(5)得到tp和fp数组，对它们进行累加计算recall和precisioin。

voc_ap()函数：

在得到tp和fp数组的基础上，利用VOC07的方式或者计算面积的方式计算每个类别ap值。

（1）voc07方式：把recall在range(0, 1.1, 0.1)中11位置处p相加再求均值得到ap

（2）虽代码较为简单，但实际意义较为难理解。其实际意义是：在每一个不同recall值的地方计算recall值乘以该recall值右边最大的precision，然后相加，即得到ap。

parse_rec()函数

是解析xml文件，按照规则解析即可，容易理解。

 

其中一些经常使用的函数列举：

os.path.splitext()

os.path.isfile()

~

sum()

np.argsort()

np.inf

np.argmax()

np.cumsum()

np.where()