DetectionMAP

    • class DetectionMAP(input, gt_label, gt_box, gt_difficult=None, class_num=None, background_label=0, overlap_threshold=0.5, evaluate_difficult=True, ap_version='integral')[源代码]

    通常步骤如下：

    • 根据检测器中的输入和label，计算True Positive(TP)真正例 和 False Positive(FP)假正例
    • 计算map，支持 和 integral 模式
    • 请从以下文章中获取更多信息：
      • 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。
      • ap_version (str) – 平均精度的计算方法，必须是 "integral" 或 "11point"。详情请查看 。 其中，11point为：11-point 插值平均精度。积分: precision-recall曲线的自然积分。

    返回类型：变量(Variable)

    • ()

    返回：当前 mini-batch 的 mAP 变量和不同 mini-batch 的 mAP 累加和

    • reset(executor, reset_program=None)
    • 参数：
      • executor (Executor) – 执行reset_program的执行程序