mAP計算

SSD計算mAP值

https://github.com/weiliu89/caffe

3種計算方法：

參考文獻： https://sanchom.wordpress.com/tag/average-precision/

mAP = 相鄰召回率的間隔*準確率;   #其實就是離散函數積分求面積

 

11point：只用到準確率，11-point interpolated average precision，默認召回率的間隔是{0,0.1, 0.2, …, 0.9, 1.0}，VOC2007 style for computing AP.

MaxIntegral：使用準確率、召回率；VOC2012or ILSVRC style for computing AP. 召回率的間隔是從後往前計算。

Integral：與MaxIntegral差不多，只是從前往後計算；爲默認參數

 

源碼位置： caffe/src/caffe/util/ ComputeAP()

 

需要修改solver.prototxt中的參數：

                   eval_type:"detection"             #統計整體的mAP值

                   ap_version:"11point"               #計算mAP值的方式不同，

                   show_per_class_result:true #統計每個類的mAP值

 

Faster-RCNN計算mAP值

https://github.com/rbgirshick/py-faster-rcnn

調用位置：lib/datasets/pascal_voc.py

如果使用參數'matlab_eval'，則使用matlab版計算mAP值。

Python版本：

源碼位置： lib/datasets/voc_eval.py

         voc_eval(detpath,

            annopath,

            imagesetfile,

            classname,

            cachedir,

            ovthresh=0.5,

             use_07_metric=False) #是否使用voc07 11點計算mAP (true爲使用11點計算mAP，false爲對應的SSD中的MaxIntegral方式計算mAP值)

最終調用函數： ap =voc_ap(rec, prec, use_07_metric)

matlab版本：

lib\datasets\VOCdevkit-matlab-wrapper\voc_eval.m

函數： [recall, prec,ap] = VOCevaldet(VOCopts, comp_id,cls, true); 

源碼位置：VOCdevkit/VOCcode/VOCevaldet.m  只使用11點計算mAP