(二十四)mmdetection源码解读:faster_rcnn_r50_fpn.py详解test_cfg

目录

  • 一、model配置文件->test_cfg
  • 二、test_cfg详解

一、model配置文件->test_cfg

 test_cfg=dict(
     rpn=dict(
         nms_pre=1000,# NMS 前的 box 数
         max_per_img=1000, # NMS 后要保留的 box 数量
         nms=dict(type='nms', iou_threshold=0.7),# NMS 的类型,NMS 的阈值
         min_bbox_size=0),
     rcnn=dict(
         score_thr=0.05, # bbox 的分数阈值
         nms=dict(type='nms', iou_threshold=0.5),# NMS 的类型,NMS 的阈值
         max_per_img=100)# 每张图像的最大检测目标数量
     # soft-nms is also supported for rcnn testing
     # e.g., nms=dict(type='soft_nms', iou_threshold=0.5, min_score=0.05)

二、test_cfg详解

NMS:
(1)将所有框的得分排序,选中最高分及其对应的框
(2)遍历其余的框,如果和当前最高分框的重叠面积(IOU)大于一定阈值,我们就将框删除。
(3)从未处理的框中继续选一个得分最高的,重复上述过程。
test_cfg.rcnn.max_per_img:
这个参数至关重要,决定了检测到目标数量的上限
score_thr:
score threshold:人工设定的score或confidence的阈值,对于某一类来讲,预测框的分类置信度大于此阈值则认为这个框检测到了这类物体,保留预测框,小于这个值则认为这个框中没有检测到这类物体,舍弃预测框。

Precision精度:分类器判定是正类并且确实是正类的部分占所有分类器判定是正类的比例,衡量一个分类器分出来的正类的确是正类的概率,Precision精度高,误检率低,漏检率高。
Recall召回率(查全率):分类器判定是正类并且确实是正类的部分占所有确实是正类的比例,衡量一个分类器能把所有的正类都找出来的能力,Recall召回率高,漏检率低,误检率高。

如果score threshold变大,Precision精度升高,召回率降低
如果score threshold变小,Precision精度降低,召回率升高

你可能感兴趣的:(mmdtection,python,pytorch,目标检测)