文件名称：l-曲线matlab代码-mAP:修正的mAP计算
文件大小：10.1MB
文件格式：ZIP
更新时间：2024-06-13 02:39:51
系统开源
l-曲线矩阵代码 引文 这项工作在IWSSIP 2020上进行了介绍。如果您使用此代码进行研究，请考虑引用： @INPROCEEDINGS {padillaCITE2020, author = {R. {Padilla} and S. L. {Netto} and E. A. B. {da Silva}}, title = {A Survey on Performance Metrics for Object-Detection Algorithms}, booktitle = {2020 International Conference on Systems, Signals and Image Processing (IWSSIP)}, year = {2020}, pages = {237-242},} 下载论文 - Attention: A new version of this tool has been published! 新版本包括所有COCO指标，支持其他文件格式，提供了指导评估过程的用户界面（UI） ，并提供了STT-AP指标来评估视频中的对象检测。 您可以访问新版
【文件预览】：
mAP-master
----.gitignore(1KB)
----results()
--------results.txt(540KB)
----requirements.txt(231B)
----_init_paths.py(1KB)
----aux_images()
--------interpolated_precision_v2.png(27KB)
--------precision_recall_example_1_v2.png(50KB)
--------table_1_v2.png(47KB)
--------interpolated_precision-AUC_v2.png(23KB)
--------11-pointInterpolation.png(28KB)
--------samples_1_v2.png(37KB)
--------table_2_v2.png(90KB)
--------iou.png(3KB)
----samples()
--------sample_1()
--------sample_2()
----LICENSE(1KB)
----.github()
--------workflows()
----README.md(29KB)
----lib()
--------__init__.py(552B)
--------BoundingBox.py(7KB)
--------utils.py(4KB)
--------Evaluator.py(19KB)
--------BoundingBoxes.py(3KB)
----paper_survey_on_performance_metrics_for_object_detection_algorithms.pdf(7.94MB)
----pascalvoc.py(13KB)