coco姿态估计性能评价标准 |
您所在的位置:网站首页 › 使用coco数据集但是ap值为0 › coco姿态估计性能评价标准 |
coco2017是当前最主流的多人姿态估计benchmark,官网的Evaluate已对coco的评价标准做了详细的解释,本文只对其二次整理。 Overview首先coco的姿态估计要求对目标进行检测和定位他们的keypoint,测试过程中目标的定位结果是不提供的,这非常符合常理。 其次coco对姿态估计的评价主要参考了coco的目标检测评价,在目标检测评价中,IOU是预测结果与GT之间的相似度度量标准,有了这个值之后,我们就可以设定阈值,计算出AP(average precision)AR(average recall)这些指标。 那么同理,对于姿态估计来说,如果也能找到一个衡量预测和GT之间的相似性的标准的话,那就可以套用目标检测的评价了。这个相似性度量标准就是OKS。 无论是目标检测还是姿态估计,coco评价都是以object为单位进行的,而不是图的数量。 OKS那么什么是OKS? OKS的全称为Object Keypoint Similarity,它的计算公式如下: O K S = ∑ i e x p [ − d i 2 2 s 2 k i 2 δ ( v i > 0 ) ] ∑ i δ ( v i > 0 ) OKS=\frac{\sum _{i}exp\left [\frac{-d_{i}^{2}}{2s^{2}k_{i}^{2}}\delta (v_{i}>0) \right ]}{\sum _{i}\delta (v_{i}>0)} OKS=∑iδ(vi>0)∑iexp[2s2ki2−di2δ(vi>0)] OKS定义为一个目标与它的GT的keypoint相似度,其中 i i i为关键点的个数 d i 2 d_{i}^{2} di2表示关键点 i i i预测值与GT之间的欧氏距离 s s s表示GT行人的尺度因子,其值为行人检测框面积的平方根,这里的 s s s与关键点无关 k i k_{i} ki表示为第 i i i个关键点的归一化因子的2倍,这个因子是通过对所有的样本集中的groundtruth关键点由人工标注与真实值存在的标准差,越大表示此类型的关键点越难标注,而 k i k_{i} ki越大,对应的OKS的值就会越大。 对coco数据集中的5000个样本统计出17类关键点的归一化因子, k k k的取值可以为:{鼻子:0.026,眼睛:0.025,耳朵:0.035,肩膀:0.079,手肘:0.072,手腕:0.062,臀部:0.107,膝盖:0.087,脚踝:0.089},因此此值可以当作常数看待,但是使用的类型仅限这个里面。 v i v_{i} vi表示第 i i i个关键点的可见性,0表示关键点未标记,1表示无遮挡并且已经标记,2表示有遮挡但是已经标记. 最终,计算得到的OKS是一个最大值为1的度量,也就是欧氏距离为0的时候。 MetricsOKS是一个以object为单位的度量值,计算得到OKS之后,它起到的作用就和目标检测里面的IOU一样,于是我们就可以设定阈值过滤,就有了coco下面10个metrics: Average Precision (AP): A P AP AP A P O K S = . 50 AP^{OKS=.50} APOKS=.50 A P O K S = . 75 AP_{OKS=.75} APOKS=.75 AP Across Scales: A P m e d i u m AP^{medium} APmedium A P l a r g e AP^{large} APlarge Average Recall (AR): A R AR AR A R O K S = . 50 AR^{OKS=.50} AROKS=.50 A R O K S = . 75 AR^{OKS=.75} AROKS=.75 AR Across Scales: A R m e d i u m AR^{medium} ARmedium A R l a r g e AR^{large} ARlarge |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |