DetectionMAP¶

参数¶

• input (Variable) – detection的输出结果，一个 shape=[M, 6] 的 LoDtensor。布局为[label, confidence, xmin, ymin, xmax, ymax],label为类别标签，confidence为置信度，xmin，ymin为检测框左上点坐标，xmax，ymax为检测框右下点坐标，数据类型为float32或float64。

• gt_label (Variable) – ground truth label 的索引，它是一个形状为[N, 1]的LoDtensor，数据类型为float32或float64。

• gt_box (Variable) – ground truth bounds box (bbox)，是一个具有形状的LoD张量[N, 4]。布局是[xmin, ymin, xmax, ymax]，数据类型为float32或float64。

• gt_difficult (Variable|None，可选) – 指定这个ground truth是否是一个difficult bounding bbox，它可以是一个 shape=[N, 1]的LoDTensor，也可以不被指定。默认设置为None，表示所有的ground truth标签都不是difficult bbox，数据类型为float32或float64。

• class_num (int) – 检测类别的数目。

• background_label (int) – 背景标签的索引，背景标签将被忽略。如果设置为-1，则所有类别将被考虑，默认为0。

• overlap_threshold (float) – 判断真假阳性的阈值，默认为0.5。

• evaluate_difficult (bool) – 是否考虑 difficult ground truth 进行评价，默认为 True。当 gt_difficult 为 None 时，这个参数不起作用。

• ap_version (str) – 平均精度的计算方法，必须是 "integral" 或 "11point"。详情请查看 https://sanchom.wordpress.com/tag/average-precision/。其中，11point为：11-point 插值平均精度。积分：precision-recall曲线的自然积分。

返回¶

变量(Variable) 计算mAP的结果，其中数据类型为float32或float64。

返回类型¶

变量(Variable)

代码示例¶

import paddle.fluid as fluid

import paddle
paddle.enable_static()

batch_size = None # can be any size
image_boxs_num = 10
bounding_bboxes_num = 21

pb = fluid.data(name='prior_box', shape=[image_boxs_num, 4],
           dtype='float32')

pbv = fluid.data(name='prior_box_var', shape=[image_boxs_num, 4],
             dtype='float32')

loc = fluid.data(name='target_box', shape=[batch_size, bounding_bboxes_num, 4],
            dtype='float32')

scores = fluid.data(name='scores', shape=[batch_size, bounding_bboxes_num, image_boxs_num],
                dtype='float32')

nmsed_outs = fluid.layers.detection_output(scores=scores,
    loc=loc, prior_box=pb, prior_box_var=pbv)

gt_box = fluid.data(name="gt_box", shape=[batch_size, 4], dtype="float32")
gt_label = fluid.data(name="gt_label", shape=[batch_size, 1], dtype="float32")
difficult = fluid.data(name="difficult", shape=[batch_size, 1], dtype="float32")

exe = fluid.Executor(fluid.CUDAPlace(0))
map_evaluator = fluid.metrics.DetectionMAP(nmsed_outs, gt_label, gt_box, difficult, class_num = 3)

cur_map, accum_map = map_evaluator.get_map_var()

方法¶