mAP计算方法概述

本文解析了FPN模型的测试流程,通过示例图片详细介绍了如何使用test_net.py调用test.py下的deftest_net函数进行模型评估,包括置信度排序、计算IOU、确定真阳性与假阳性等步骤。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Git开源项目(比如unsky的FPN)中test_net.py调用test.py下的def test_net(net, imdb, max_per_image=1000, thresh=0.05, vis=False)函数。


代码之后会顺一遍,先介绍下思路:


假设一张测试图片有3个标定好的Ground Truth (黑色) 模型预测结果pred为6个框 (5红 + 1蓝)。 首先将所有pred按照置信度(score)反序排列,之后从score最大的pred开始遍历每个Ground Truth并计算IOU. 如果IOU大于阈值,查看g+表(最右)对应的GT的det是否为1:不为1则det置1并将此pred的TP至1;det为1则说明之前有更大score的框对应上了这个GT,则此pred的FP置1; 最终根据TP FP计算每个类的AP, 具体过程需要看代码

 

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值