mmyolo框架中计算各类别的AP@0.5指标

本文所用的mmyolo版本:0.3.0

背景：

首先要知道，mmyolo中在eval和test阶段进行指标计算的时候，对于COCO数据集默认用的就是mAP@0.5:0.95，即不同IoU阈值下的mAP计算，并且没有给出各类别的具体指标，如

可以看出，只给了 不同IoU下AP和AR的值，以及最后不同IoU下的mAP，当然也有针对small、medium、large下的指标，这一切都因为这是COCO数据集benchmark当时的传统。而如果我们需要训练我们自己的任务场景，比如yolov5实现xx检测，就不需要这些东西，我们需要的是：

1.各个类别的AP值

2.不一定要0.5:0.95，可能mAP@0.5就行，即固定IoU阈值为0.5下的mAP\各类别AP

因此怎么进行操作呢？首先要实现第一项：

1.各个类别的AP值

这个很简单，在config里的test_evaluator加入一个参数classwise=True

如下：

即可，因为test_evaluator一般跟val一样，因此我直接加在val里。

如果我不想改config，也可以调用tools/test.py进行测试的时候在命令后加入

--cfg-options test_evaluator.classwise=True

比如 

这样就可以实现测试的时候也对各个类别进行AP计算 

不管用上述哪种方式，最后都是大功告成。

注意这里各类别的AP只会显示AP@.5:.95的，因此接下来要进行第二个改动

2.各类别AP@0.5指标

为什么会出现默认计算IoU阈值0.5:0.95的指标呢？我们来看源码部分

## /opt/conda/lib/python3.8/site-packages/mmdet/evaluation/metrics/coco_metric.py
## line22
class CocoMetric(BaseMetric):
    
    def __init__(self,
                 ann_file: Optional[str] = None,
                 metric: Union[str, List[str]] = 'bbox',
                 classwise: bool = False,
                 proposal_nums: Sequence[int] = (100, 300, 1000),
                 iou_thrs: Optional[Union[float, Sequence[float]]] = None,
                 metric_items: Optional[Sequence[str]] = None,
                 format_only: bool = False,
                 outfile_prefix: Optional[str] = None,
                 file_client_args: dict = dict(backend='disk'),
                 collect_device: str = 'cpu',
                 prefix: Optional[str] = None) -> None:
        super().__init__(collect_device=collect_device, prefix=prefix)
        # coco evaluation metrics
        self.metrics = metric if isinstance(metric, list) else [metric]
        allowed_metrics = ['bbox', 'segm', 'proposal', 'proposal_fast']
        for metric in self.metrics:
            if metric not in allowed_metrics:
                raise KeyError(
                    "metric should be one of 'bbox', 'segm', 'proposal', "
                    f"'proposal_fast', but got {metric}.")

        # do class wise evaluation, default False
        self.classwise = classwise

        # proposal_nums used to compute recall or precision.
        self.proposal_nums = list(proposal_nums)

        # iou_thrs used to compute recall or precision.
        if iou_thrs is None:
            iou_thrs = np.linspace(
                .5, 0.95, int(np.round((0.95 - .5) / .05)) + 1, endpoint=True)
        self.iou_thrs = iou_thrs
        self.metric_items = metric_items
        self.format_only = format_only
        if self.format_only:
            assert outfile_prefix is not None, 'outfile_prefix must be not'
            'None when format_only is True, otherwise the result files will'
            'be saved to a temp directory which will be cleaned up at the end.'

        self.outfile_prefix = outfile_prefix

        self.file_client_args = file_client_args
        self.file_client = FileClient(**file_client_args)

        # if ann_file is not specified,
        # initialize coco api with the converted dataset
        if ann_file is not None:
            with self.file_client.get_local_path(ann_file) as local_path:
                self._coco_api = COCO(local_path)
        else:
            self._coco_api = None

        # handle dataset lazy init
        self.cat_ids = None
        self.img_ids = None

可以看到如果我们在config里规定val_evaluator为CocoMetric的时候没有传入iou_thrs

这个参数的时候，就会默认规定iou_thrs为0.5:0.95的一系列离散值，那么修改就很简单了，只要在config里加入iou_thrs

注意这里的iou_thrs必须是一个list类型，不然会报错 。

然后就可以惊喜地看到各类别的AP@0.5

大功告成