Ap，map计算

Author：张一极

ap通过计算pr曲线对横坐标的积分，来衡量object detiction 任务的优劣

pr曲线计算方式分为两部：

tp：识别的样本中，正确分类的数目。

fp：识别的样本中，未正确分类的数目。

第一步，计算p：$\text { precision }=\frac{t p}{t p+f p}=\frac{t p}{n}$，也就是正确的目标数占据全体目标的占比。

第二步，计算r： $\text { recall }=\frac{t p}{t p+f n}$（recall）召回率代表，正样本中，识别正确的概率。

然后，计算每一个obj的iou（$\operatorname{IoU}=\frac{\operatorname{area}(C) \cap \operatorname{area}(G)}{\operatorname{area}(C) \cup \operatorname{area}(G)}$），定义好tp或者fp

将一类的（recall，precision）点，标在坐标系里。

Code:

9
1
def voc_ap(self, rec, prec):
2
    mrec = np.concatenate(([0.], rec, [1.]))
3
    mpre = np.concatenate(([0.], prec, [0.]))
4
    for i in range(mpre.size - 1, 0, -1):
5
    mpre[i - 1] = np.maximum(mpre[i - 1], mpre[i])
6
    i = np.where(mrec[1:] != mrec[:-1])[0]
7
    # and sum (\Delta recall) * prec
8
    ap = np.sum((mrec[i + 1] - mrec[i]) * mpre[i + 1])
9
    return ap