主要内容

evaluateDetectionAOS

评估目标检测的平均方向相似度度量

折叠所有页面

语法

指标= evaluateDetectionAOS (detectionResults groundTruthData)
指标= evaluateDetectionAOS (detectionResults groundTruthData阈值)

描述

例子

指标= evaluateDetectionAOS (detectionResults，groundTruthData）计算平均方向相似度(AOS)度量。该度量可用于测量检测结果detectionResults对地面真实数据groundTruthData．AOS是测量探测器在旋转矩形检测中的性能的度量。

指标= evaluateDetectionAOS (detectionResults，groundTruthData，阈值）另外指定重叠阈值，用于将检测分配给地面真实边界框。

例子

全部折叠

打开生活的脚本

为车辆类定义地面真实边界框。每一行定义了一个旋转的窗体边界框[xcenter，ycenter，宽度，高度，偏航］．

Gtbbox = [2 2 10 20 45 80 80 30 40 15];gtlabel =“汽车”；

创建一个表来保存ground truth数据。

groundTruthData =表({gtbbox},“VariableNames”gtlabel)
groundTruthData =表格车辆____________ {2x5 double}

定义旋转包围盒、分数和标签的检测结果。

[4 4 10 20 20 50 50 30 10 30 90 90 40 50 10];分数= [0.9 0.7 0.8]';标签= [“汽车”“汽车”“汽车”];标签=分类(标签,“汽车”）;

创建一个表来保存检测结果。

detectionResults =表({bbox},{},{}标签,“VariableNames”，{“盒子”，“分数”，“标签”}）
detectionResults =1×3表盒子分数标签  ____________ ____________ _________________ { 3 x5双}{3 x1双}{3 x1直言}

通过计算AOS度量来评估检测结果与地面真实的关系。

指标= evaluateDetectionAOS (detectionResults groundTruthData)
指标=表1×5《超能美联社OrientationSimilarity精密召回  ______ _______ _____________________ ____________ ____________ 车0.5199 - 0.54545 {4 x1双}{4 x1双}{4 x1双}

输入参数

全部折叠

检测结果，指定为一个三列表。列包含边界框、分数和标签。包围框可以是轴向的矩形或旋转的矩形。

边界框 格式 描述
Axis-aligned矩形 ［x最小值，y最小值，宽度，高度］ 这种类型的边界框在像素坐标中定义为米4矩阵表示米边界框
旋转的矩形 ［x中心，y中心，宽度，高度，偏航］ 这种类型的边界框在空间坐标中定义为米5矩阵表示米边界框。的x中心和y中心坐标表示包围框的中心。的宽度和高度元素表示沿x和y轴,分别。的偏航表示旋转角度的度数。围绕包围盒中心的旋转量按顺时针方向测量。

标记地面真值图像，指定为数据存储或表。

  • 如果使用数据存储，则必须将数据设置为使用读和readall函数返回具有两列或三列的单元格数组或表。当输出包含两列时，第一列必须包含包围框，第二列必须包含标签，{盒子，标签}。当输出包含三列时，第二列必须包含包围框，第三列必须包含标签。在本例中，第一列可以包含任何类型的数据。例如，第一列可以包含图像或点云数据。

    数据 盒子 标签
    第一列可以包含数据，例如点云数据或图像。 第二列必须是包含米形式的包围盒的- × 5矩阵[x中心，y中心，宽度，高度，偏航］．向量表示每个图像中对象的边界框的位置和大小。 第三列必须是包含米-by-1包含对象类名的分类向量。数据存储返回的所有分类数据必须包含相同的类别。

    有关更多信息，请参见用于深度学习的数据存储(深度学习工具箱)．

  • 如果使用表，则该表必须有两个或更多列。

    数据 盒子 .．．
    第一列可以包含数据，例如点云数据或图像。 剩下的每一列必须是包含米矩阵表示旋转的矩形边界框。每个旋转的矩形必须为[x中心，y中心，宽度，高度，偏航］．向量表示每个图像中对象的边界框的位置和大小。

重叠阈值，指定为非负标量。交叠比定义为交点与并集的交点。

输出参数

全部折叠

AOS指标，以五列表的形式返回。表中的每一行都包含一个类的评估指标，该类在包含的ground truth数据中定义groundTruthData输入。获取对象类名:

metrics.Properties.RowNames
的五列指标表格

列 描述
先进的 平均方向相似值
美联社 所有检测结果的平均精度，作为数字标量返回。精度是真实的正实例与探测器中所有物体的正实例的比率，基于地面真实值。
OrientationSimilarity

每个检测的方向相似值，返回为米有效数字列。米比分配给类的检测数多一个。的第一个值OrientationSimilarity是1．

方向相似度是余弦相似度的归一化变量，余弦相似度度量了预测旋转角度和地面真实旋转角度之间的相似度。
精度

每个检测的精度值，作为米-元素数值列向量。米比分配给类的检测数多一个。例如，如果你的检测结果包含4个带有类标签'car'的检测，那么精度包含5个元素。的第一个值精度是1．

精度是真实的正实例与探测器中所有物体的正实例的比率，基于地面真实值。
回忆

从每个检测中收回值，作为米-元素数值列向量。米比分配给类的检测数多一个。例如，如果你的检测结果包含4个带有类标签'car'的检测，那么回忆包含5个元素。的第一个值回忆是0．

回忆是真实的肯定实例与检测器中真实的肯定和假否定的总和的比率，以基本事实为基础。

参考文献

盖革，A.， P.伦茨。厄塔松(R. Urtasun)。“我们准备好自动驾驶了吗?”KITTI视觉基准套件。”计算机视觉与模式识别会议。IEEE 2012。

另请参阅

功能

对象

介绍了R2020a

计算机视觉工具箱文档

万博1manbetx

介绍基于MATLAB的深度学习

介绍基于MATLAB的深度学习

下载电子书