COCO目标检测评估指标vs Kitti评估
COCO目标检测评估指标vs Kitti评估
提问于 2019-12-12 07:15:34
对于我的验证数据集(自己的数据)，我使用COCO和Kitti评估指标进行评估。
我希望COCO AP (0.5)值和Kitti 2D AP (带有iou=0.5)也能得到类似的分数。但我不确定它们是否具有可比性，尽管它们背后的逻辑是相同的(检查2D前视图GT和DET框中的iou>0.5并进行匹配，计算精度/召回率).
COCO对象检测AP 0.5 = 0.59 Kitti 2D AP，iou设置为0.5 = 0.33
期望它们具有可比性是正确的吗？我发现大多数论文只使用其中一种，没有人真正比较过这两种评估指标的结果。
回答 1
Stack Overflow用户
发布于 2020-09-12 10:05:48
从他们的website
用于评估，我们计算目标检测的精度-召回曲线和联合目标检测和方向估计的方向-相似性-召回曲线。在后一种情况下，不仅对象2D边界框必须正确定位，而且还需要评估鸟瞰视图中的方向估计。
(..)
我们使用PASCAL标准评估目标检测性能，并使用我们的CVPR 2012出版物中讨论的指标评估目标检测和方向估计性能
由于不太了解Kitti评估指标，通过阅读本文，它们似乎彼此不能比较，并且可能不适合您的常见对象检测过程。
如果您的数据与Kiti数据集及其目标无关，强烈建议您放弃其指标，而使用COCO指标或PASCAL。
PASCAL是最初的公制系统，但COCO是最近使用最多的，因为它是一种更严格的度量。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/59295540
复制相关文章
相似问题
腾讯云开发者
