我需要使用Tensorflow计算本question中所描述的映射,以便使用Tensorflow进行对象检测。
平均精度(AP)是用于排名集的典型性能度量。AveragePrecision定义为范围S中每个真阳性TP后的精度分数的平均值。给定范围S=7,以及排名列表(增益向量)G=[1,1,0,1,1,0,0,1,1,0,1,0,1,0,0,…] 其中1/0分别表示与相关/非相关项目相关的收益:
AP=(1/1+2/2+3/4+4/5)/4=0.8875。
平均精度(mAP):一组查询的平均精度值的平均值。
我得到了5个热张量,预测如下:
prediction_A
prediction_B
prediction_C
prediction_D
prediction_E
当一个预测张量具有这种结构时(例如,预测:
00100
01000
00001
00010
00010
然后我得到了正确的标签(一个热的)张量,具有相同的结构:
y_A
y_B
y_C
y_D
y_E
我想用tensorflow计算地图,因为我想总结一下,我该怎么做?
我找到了这个function但是我不能使用它,因为我有一个多维向量。
我还编写了一个python函数来计算AP,但它不使用Tensorflow
def compute_av_precision(match_list):
n = len(match_list)
tp_counter = 0
cumulate_precision = 0
for i in range(0,n):
if match_list[i] == True:
tp_counter += 1
cumulate_precision += (float(tp_counter)/float(i+1))
if tp_counter != 0:
av_precision = cumulate_precision/float(tp_counter)
return av_precision
return 0
我想你可能需要这个:
这个方法使用标签和预测来计算你提到的AP@K
以下是参考链接
干杯
相关问题 更多 >
编程相关推荐