Git开源项目(比如unsky的FPN)中test_net.py调用test.py下的def test_net(net, imdb, max_per_image=1000, thresh=0.05, vis=False)函数。
代码之后会顺一遍，先介绍下思路：
假设一张测试图片有3个标定好的Ground Truth （黑色） 模型预测结果pred为6个框 (5红 + 1蓝)。 首先将所有pred按照置信度（score）反序排列，之后从score最大的pred开始遍历每个Ground Truth并计算IOU. 如果IOU大于阈值，查看g+表(最右)对应的GT的det是否为1：不为1则det置1并将此pred的TP至1；det为1则说明之前有更大score的框对应上了这个GT,则此pred的FP置1; 最终根据TP FP计算每个类的AP, 具体过程需要看代码
Git开源项目(比如unsky的FPN)中test_net.py调用test.py下的def test_net(net, imdb, max_per_image=1000, thresh=0.05, vis=False)函数。
代码之后会顺一遍，先介绍下思路：
假设一张测试图片有3个标定好的Ground Truth （黑色） 模型预测结果pred为6个框 (5红 + 1蓝)。 首先将所有pred按照置信度（score）反序排列，之后从score最大的pred开始遍历每个Ground Truth并计算IOU. 如果IOU大于阈值，查看g+表(最右)对应的GT的det是否为1：不为1则det置1并将此pred的TP至1；det为1则说明之前有更大score的框对应上了这个GT,则此pred的FP置1; 最终根据TP FP计算每个类的AP, 具体过程需要看代码