[数据集][COCO]目标检测任务

参考:[数据集]COCO简介

介绍COCO目标检测任务以及评价标准

目标检测任务

参考:COCO 2019 Object Detection Task

COCO将目标检测任务分为两个部分:

  1. 边界框检测
  2. 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

参考:

1. Detection Evaluation

COCO目标检测测评指标

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APmAP(同样,ARmAR),并假设从上下文中可以清楚地看出区别
  • 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%
  • 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)
坚持原创技术分享,您的支持将鼓励我继续创作!