python:目標(biāo)檢測模型預(yù)測準(zhǔn)確度計算方式(基于IoU)

更新時間：2020年01月18日 11:00:45 作者：sestien

今天小編就為大家分享一篇python:目標(biāo)檢測模型預(yù)測準(zhǔn)確度計算方式(基于IoU)，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧

訓(xùn)練完目標(biāo)檢測模型之后，需要評價其性能，在不同的閾值下的準(zhǔn)確度是多少，有沒有漏檢，在這里基于IoU(Intersection over Union)來計算。

希望能提供一些思路，如果覺得有用歡迎贊我表揚我~

IoU的值可以理解為系統(tǒng)預(yù)測出來的框與原來圖片中標(biāo)記的框的重合程度。系統(tǒng)預(yù)測出來的框是利用目標(biāo)檢測模型對測試數(shù)據(jù)集進(jìn)行識別得到的。

計算方法即檢測結(jié)果DetectionResult與GroundTruth的交集比上它們的并集，如下圖：

藍(lán)色的框是：GroundTruth

黃色的框是：DetectionResult

綠色的框是：DetectionResult ⋂GroundTruth

紅色的框是：DetectionResult ⋃GroundTruth

基本思路是先讀取原來圖中標(biāo)記的框信息，對每一張圖，把所需要的那一個類別的框拿出來，與測試集上識別出來的框進(jìn)行比較，計算IoU，選擇最大的值作為當(dāng)前框的IoU值，然后通過設(shè)定的閾值（漏檢0, 0.3, 0.5, 0.7）來進(jìn)行比較統(tǒng)計，最后得到每個閾值下的所有的判定為正確檢測（IoU值大于閾值）的框的數(shù)量，然后與原本的標(biāo)記框的數(shù)量一起計算準(zhǔn)確度。

其中計算IoU的時候是重新構(gòu)建一個背景為0的圖，設(shè)定框所在的位置為1，分別利用原本標(biāo)注的框和測試識別的框來構(gòu)建兩個這樣的圖，兩者相加就能夠讓重疊的部分變成2，于是就可以知道重疊部分的大小（交集），從而計算IoU。

構(gòu)建代碼如下：

#讀取txt-標(biāo)準(zhǔn)txt為基準(zhǔn)-分類別求閾值-閾值為0. 0.3 0.5 0.7的統(tǒng)計
import glob
import os
import numpy as np
 
#設(shè)定的閾值
threshold1=0.3
threshold2=0.5
threshold3=0.7
 
#閾值計數(shù)器
counter0=0
counter1=0
counter2=0
counter3=0
 
stdtxt=''#標(biāo)注txt路徑
testtxt=''#測試txt路徑
 
txtlist=glob.glob(r'%s\*.txt' %stdtxt)#獲取所有txt文件
for path in txtlist:#對每個txt操作
  
  txtname=os.path.basename(path)[:-4]#獲取txt文件名
  label=1
  eachtxt=np.loadtxt(path) #讀取文件
  for line in eachtxt:
    if line[0]==label:
      #構(gòu)建背景為0框為1的圖
      map1=np.zeros((960,1280))
      map1[line[2]:(line[2]+line[4]),line[1]:(line[1]+line[3])]=1
      
      testfile=np.loadtxt(testtxt + txtname + '.txt')
      c=0
      iou_list=[]#用來存儲所有iou的集合
      for tline in testfile:#對測試txt的每行進(jìn)行操作
        if tline[0]==label:
          c=c+1
          map2=np.zeros((960,1280))
          map2[tline[2]:(tline[2]+tline[4]),tline[1]:(tline[1]+tline[3])]=1
          map3=map1+map2
          a=0
          for i in map3:
            if i==2:
              a=a+1
          iou=a/(line[3]*line[4]+tline[3]*tline[4]-a)#計算iou
          iou_list.append(iou)#添加到集合尾部
          
      threshold=max(iou_list)#閾值取最大的
      #閾值統(tǒng)計
      if threshold>=threshold3:
        counter3=counter3+1
      elif threshold>=threshold2:
        counter2=counter2+1
      elif threshold>=threshold1:
        counter1=counter1+1
      elif threshold<threshold1:#漏檢
        counter0=counter0+1

以上這篇python:目標(biāo)檢測模型預(yù)測準(zhǔn)確度計算方式(基于IoU)就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持腳本之家。

您可能感興趣的文章: