COCO api 对 类 子集的评估
COCO api evaluation for subset of classes
我正在使用 python coco api 到 运行 对象检测评估。我有两个文件，一个基本事实 json 和一个结果 json。 coco notebook demo 仅显示所有 classes 的 运行ning eval。我如何才能 运行 仅针对一个特定的 class 或 class 的子集？目前我正在这样做：
from pycocotools.coco import COCO
from pycocotools.cocoeval import COCOeval
annType = 'bbox'
cocoGt=COCO(gt_json)
cocoDt=cocoGt.loadRes(results_json)
imgIds=sorted(cocoGt.getImgIds())
# running evaluation
cocoEval = COCOeval(cocoGt,cocoDt,annType)
cocoEval.params.imgIds = imgIds
cocoEval.evaluate()
cocoEval.accumulate()
cocoEval.summarize()
我参考了这个页面 (http://www.programmersought.com/article/3065285708/)
cocoEval = COCOeval(cocoGt,cocoDt,annType)
coco_eval.params.catIds = [1] #person id : 1
cocoEval.params.imgIds = imgIds
cocoEval.evaluate()
cocoEval.accumulate()
cocoEval.summarize()
此外，我修改了 cocoapi/PythonAPI/pycocotools/cocoeval.py 来计算每个类别的 AP。
https://github.com/kimyoon-young/centerNet-deep-sort/blob/b694fc52f880dfbba481d43a7d5284a29f386ca7/tools/cocoeval.py#L458-L464
结果如下。
类别：0：0.410733757610904 #person AP
类别：1：0.20226150054237374 #bird AP
....
类别：79：0.04993736566987926
（所有类别）mAP：0.27999824034118914 # 我的结果
平均精度 (AP) @[ IoU=0.50:0.95 |面积=所有| maxDets=100 ] = 0.280 #original
在 https://github.com/kimyoon-young/centerNet-deep-sort/blob/master/tools/cocoeval.py 的第 458-464 行中，为了支持灵活数量的类别，您可以将第 458 行 (num_classes = 80) 替换为
num_classes = len(p.catIds)
我正在使用 python coco api 到 运行 对象检测评估。我有两个文件，一个基本事实 json 和一个结果 json。 coco notebook demo 仅显示所有 classes 的 运行ning eval。我如何才能 运行 仅针对一个特定的 class 或 class 的子集？目前我正在这样做：
from pycocotools.coco import COCO
from pycocotools.cocoeval import COCOeval
annType = 'bbox'
cocoGt=COCO(gt_json)
cocoDt=cocoGt.loadRes(results_json)
imgIds=sorted(cocoGt.getImgIds())
# running evaluation
cocoEval = COCOeval(cocoGt,cocoDt,annType)
cocoEval.params.imgIds = imgIds
cocoEval.evaluate()
cocoEval.accumulate()
cocoEval.summarize()
我参考了这个页面 (http://www.programmersought.com/article/3065285708/)
cocoEval = COCOeval(cocoGt,cocoDt,annType)
coco_eval.params.catIds = [1] #person id : 1
cocoEval.params.imgIds = imgIds
cocoEval.evaluate()
cocoEval.accumulate()
cocoEval.summarize()
此外，我修改了 cocoapi/PythonAPI/pycocotools/cocoeval.py 来计算每个类别的 AP。
https://github.com/kimyoon-young/centerNet-deep-sort/blob/b694fc52f880dfbba481d43a7d5284a29f386ca7/tools/cocoeval.py#L458-L464
结果如下。
类别：0：0.410733757610904 #person AP
类别：1：0.20226150054237374 #bird AP
....
类别：79：0.04993736566987926
（所有类别）mAP：0.27999824034118914 # 我的结果
平均精度 (AP) @[ IoU=0.50:0.95 |面积=所有| maxDets=100 ] = 0.280 #original
在 https://github.com/kimyoon-young/centerNet-deep-sort/blob/master/tools/cocoeval.py 的第 458-464 行中，为了支持灵活数量的类别，您可以将第 458 行 (num_classes = 80) 替换为
num_classes = len(p.catIds)