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

metrics = evaluateDetectionAOS(detectionResults,groundTruthData)

metrics = evaluateDetectionAOS(detectionResults,groundTruthData,threshold)

描述

指标= evaluateDetectionAOS (detectionResults，groundTruthData）计算平均方向相似度(AOS)度量。该度量可以用来度量检测结果detectionResults对照地面真实数据groundTruthData．AOS是一种用于测量旋转矩形检测探测器性能的度量标准。

指标= evaluateDetectionAOS (detectionResults，groundTruthData，阈值）另外指定用于将检测分配给地面真值边界框的重叠阈值。

例子

全部折叠

评估旋转矩形检测

打开实时脚本

定义一个车辆类别的地面真值边界框。每一行定义一个形式[的旋转包围框。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 = table({gtbbox}，“VariableNames”gtlabel)

groundTruthData =表格车辆____________ {2x5 double}

定义旋转包围框、分数和标签的检测结果。

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

创建一个表来保存检测结果。

detectionResults = table({bbox}，{scores}，{labels}，“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。

metrics = 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

`detectionResults`- - - - - -检测结果
三列的表

检测结果，指定为一个三列表。列包含边界框、分数和标签。包围框可以是轴对齐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］	这种类型的包围框在像素坐标中定义为米-by-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］	这种类型的包围框在空间坐标中定义为米-by-5矩阵表示米边界框。的x_中心而且y_中心坐标表示边界框的中心。的宽度而且高度元素表示框沿的长度x而且y轴,分别。的偏航以角度为单位表示旋转角度。围绕包围框中心的旋转量按顺时针方向测量。

`groundTruthData`- - - - - -标记地面真相图像
数据存储|表格

带标签的真实图像，指定为数据存储或表。

如果使用数据存储，则必须设置数据，以便使用读而且readall函数返回带有两列或三列的单元格数组或表。当输出包含两列时，第一列必须包含边界框，第二列必须包含标签，{盒子，标签}。当输出包含三列时，第二列必须包含边界框，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
第一列必须是图像。	米形式为[的包围框的-by-4矩阵x，y，宽度，高度]，其中[x,y]表示边界框的左上角坐标。	第三列必须是单元格数组，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类别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，则表必须有两个或多个列。

数据	盒子	.．.
第一列可以包含数据，例如点云数据或图像。	其余每一列都必须是单元格向量，包含米-by-5矩阵表示旋转后的矩形包围框。每个旋转后的矩形的形状必须为[x_中心，y_中心，宽度，高度，偏航］．向量表示每个图像中对象的包围框的位置和大小。

`阈值`- - - - - -重叠的阈值
负的标量

重叠阈值，指定为非负标量。重叠比定义为交点除以并集。

输出参数

全部折叠

`指标`- AOS指标
five-column表

AOS指标，作为一个五列表返回。表中的每一行都包含类的评估指标，该类定义在类的基本真相数据中groundTruthData输入。获取对象类名:

metrics.Properties.RowNames

该表描述了指标表格

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。精度是探测器中真实正实例与所有正实例的比率，基于地面真实值。
`OrientationSimilarity`	每个检测的方向相似度值，返回为米-element数值列。米比分配给类的检测数多1。的第一个值`OrientationSimilarity`是`1`．方向相似度是余弦相似度的一种归一化变体，用于测量预测旋转角度与地面真实旋转角度之间的相似度。
`精度`	每个检测的精度值，返回为米-element数值列向量。米比分配给类的检测数多1。例如，如果您的检测结果包含4个类标签为“car”的检测，则`精度`包含5个元素。的第一个值`精度`是`1`．精度是探测器中真实正实例与所有正实例的比率，基于地面真实值。
`回忆`	检索每个检测的值，返回为米-element数值列向量。米比分配给类的检测数多1。例如，如果您的检测结果包含4个类标签为“car”的检测，则`回忆`包含5个元素。的第一个值`回忆`是`0`．召回率是检测器中真阳性实例与真阳性和假阴性实例之和的比率，基于基本事实。