[数据集][COCO]目标检测任务
介绍COCO目标检测任务以及评价标准
目标检测任务
COCO将目标检测任务分为两个部分：
- 边界框检测
- 目标分割检测，也称为实例分割
用于目标检测任务的训练/测试/验证数据集拥有超过20万张图像，共80个类别。其中，在训练和验证数据集上的标注超过了50万个
检测评估
评估标准
COCO为评估目标检测器提供了12种指标
- 上图中的
AP/AR指的是不同IoU设置下的不同类别目标的AP/AR计算结果的平均值。COCO设置了10个不同的IoU阈值（0.50:0.05:0.95，也就是0.50/0.55/0.60/.../0.95）。在之前的计算中（比如PASCAL VOC）仅设置了IoU=0.50，多个IoU的设置有利于更好的目标检测器的评估 AP是所有类别的平均值，传统上这被称为平均精度（mAP）。我们不区分AP和mAP（同样，AR和mAR），并假设从上下文中可以清楚地看出区别- 在
COCO目标检测数据集中，不同大小（面积通过分割掩码的像素数统计得到的）的目标分布情况如下：- 大目标（\(area > 96^{2}\)）：
24% - 中目标（\(32^{2} < area < 96^{2}\)）：
34% - 小目标（\(area < 32^{2}\)）：
41%
- 大目标（\(area > 96^{2}\)）：
Recall的计算方式是给定每张图像最大检测结果数目，其在不同阈值下能够得到的最高召回率。AR是在不同类别和IoU阈值下的召回率平均值- 计算所有指标时，每个图像最多允许
100个最高得分检测（所有类别） - 使用边界框和分割掩码进行检测的评估指标在所有方面都是相同的，除了
IoU计算（分别在边界框或掩码上执行）