人体关键点检测评价指标

1、OKS（Object Keypoint Similarity）

主要指标就是OKS（Object Keypoint Similarity），这个指标启发于目标检测中的IoU指标，目的就是为了计算真值和预测人体关键点的相似度。

2、OKS矩阵

OKS是计算两个人之间的骨骼点相似度的，那一张图片中有很多的人时，该怎么计算呢？这时候就是构造一个OKS矩阵了。

假设一张图中，一共有M个人（groudtruth中），现在算法预测出了N个人，那么我们就构造一个M×N的矩阵，矩阵中的位置（i,j）代表groudtruth中的第i个人和算法预测出的第j个人的OKS相似度，找到矩阵中每一行的最大值，作为对应于第i个人的OKS相似度值。

3、AP（Average Precision）

平均精度

根据前面的OKS矩阵，已经知道了某一张图像的所有人（groundtruth中出现的）的OKS分数，现在测试集中有很多图像，每张图像又有一些人，此时该如何衡量整个算法的好坏的。这个时候就用到了AP的概念，AP就是给定一个t，如果当前的OKS大于t，那就说明当前这个人的骨骼点成功检测出来了，并且检测对了，如果小于t，则说明检测失败或者误检漏检等，因此对于所有的OKS，统计其中大于t的个数，并计算其占所有OKS的比值。即假设OKS一共有100个，其中大于阈值t的共有30个，那么AP值就是30/100=0.3。

4、mAP（mean Average Precision）

AP的均值

具体计算方法就是给定不同的阈值t，计算不同阈值情况下对应的AP，然后求个均值就ok。

5、AR（Average Recall）

平均召回率

6、IoU(Intersection-over-Union)

目标检测中使用的一个概念
是产生的候选框（candidate bound）与原标记框（ground truth bound）的交叠率,即它们的交集与并集的比值。最理想情况是完全重叠，即比值为1。

coco

1、https://cocodataset.org/#keypoints-2020

2、工具

3、https://cocodataset.org/#keypoints-eval

官网是这么解释的，重新写一下

                                                                  

需要注意的是，v的范围是0，1，2 . v is a visibility flag defined as v=0: not labeled, v=1: labeled but not visible, and v=2: labeled and visible

这里还有别人的其他解释，大家可以看看https://zhuanlan.zhihu.com/p/48601321