【实例分割｜Detectron2】计算实例漏检数量

文章目录

问题背景
代码实现
- 计算 COCO 标签中实例数量
- 结合 Detectron2 模型预测代码

问题背景

对于单张图像中实例超过 100 的情形(maskrcnn 预测超过 100 个实例)，难免会出现漏检的情形，通过代码实现对漏检数量的计算，作为评估的指标。

代码实现

计算 COCO 标签中实例数量

"""
从标签文件中计算每张图像中实例的数量
"""

import os
import json
import string
import numpy as np

def count_instances(json_path: string) -> dict:
    with open(json_path,'rb') as f:

        # 打印 json 文件的相关信息
        data = json.load(f)
        print("Keys: ", data.keys())
        print("Images num: ", len(data["images"]))
        print("Annotations num: ", len(data["annotations"]))

        # 获取所有标签文件名称
        file_name_list = []
        for image in data["images"]:
            file_name_list.append(image["file_name"])
        # print("file_name list: ", file_name_list)

        # 获取每个标签文件中的实例数量
        count = np.zeros(len(data["images"]), dtype=int)
        for annotation in data["annotations"]:
            count[annotation["image_id"] - 1] = count[annotation["image_id"] - 1] + 1
        # print("count list: ", count.tolist())

    f.close()

    return dict(zip(file_name_list, count))

if __name__ == "__main__":
    path = "/home/zth/HardDisk/Datasets/nematode/origin_dataset/coco/annotations/instances_test.json"

    print(count_instances(path))

结合 Detectron2 模型预测代码

    if args.input:
        
        # 从标签文件中统计实例数量
        path = "/home/zth/HardDisk/Datasets/nematode/nematode_new/annotations/instances_test2017.json"
        instance_num =  count_instances(path)
        print(instance_num)

        if len(args.input) == 1:
            args.input = glob.glob(os.path.expanduser(args.input[0]))
            assert args.input, "The input path(s) was not found"
        for path in tqdm.tqdm(args.input, disable=not args.output):

            file_name = path.split("/")[-1]

            # use PIL, to be consistent with evaluation
            img = read_image(path, format="BGR")
            start_time = time.time()
            predictions, visualized_output, mask = demo.run_on_image(img)
            logger.info(
                "{}: {} in {:.2f}s".format(
                    path,
                    "detected {} instances".format(len(predictions["instances"]))
                    if "instances" in predictions
                    else "finished",
                    time.time() - start_time,
                )
            )

            print(" 图像分辨率：", img.shape, "实例数量：", len(predictions["instances"]), " 漏检数量：", instance_num[file_name] - len(predictions["instances"]), " 误检率：", (instance_num[file_name] - len(predictions["instances"]))/len(predictions["instances"]))

本文链接：https://blog.csdn.net/qq_44324181/article/details/126366038

智能推荐

JDK容器类Map源码解读

java.util.Map接口是JDK1.2开始提供的一个基于键值对的散列表接口，其设计的初衷是为了替换JDK1.0中的java.util.Dictionary抽象类。Dictionary是JDK最初的键值对类，它不可以存储null作为key和value，目前这个类早已不被使用了。目前都是在使用Map接口，它是可以存储null值作为key和value，但Map的key是不可以重复的。其常用的实现类...

vue移动端中手写一个树形结构业务，页面见里面

我这个业务需求是根据后台传给我的树形结构数据写的一个选择仓库的功能由于一开始选框架选错了用cube ui 导致现在好多功能都必须自己写，所以才有了现在。上图是我的第一级别上图是我的最后一级我这里实现是用的递归首先当然是在页面写上获取仓库的接口啦先上html js代码可能注释不是很详细，第一次发表这么长一段有什么问题可以在下面说一下，我看到就回复...

WebRTC 系列文章一对一视频通话和文字聊天

WebRTC 系列文章一对一视频通话和文字聊天环境准备码代码首先是信令服务器引入依赖信令服务器网页 javascrpit 测试结果这是WebRTC系列文章的第三篇。这次我们来实现一个可以一对一视频通话和有文字聊天功能的项目。如果你对WebSocket、ICE、SDP、这些知识还不是很了解的话，推荐你先看下文章末尾的几篇推荐文章。在此特别感谢前端李老师的帮助环境准备桌面游览...

LeetCode -844. 比较含退格的字符串（栈、双指针）

比较含退格的字符串方法一（栈）：方法二：双指针一个字符是否会被删掉，只取决于该字符后面的退格符，而与该字符前面的退格符无关。因此当我们逆序地遍历字符串，就可以立即确定当前字符是否会被删掉。...

Java递归与迭代求斐波那契数列

Fibonacci 数列：指的是这样一个数列：1、1、2、3、5、8、13、21、34……即从第三项开始，每一项等于它的前两项之和。递归程序调用自身的编程技巧称为递归。递归做为一种算法在程序设计语言中广泛应用。一个过程或函数其定义或说明中有直接或间接调用自身的一种方法，它通常把一个大型复杂的问题层层转化为一个与原问题相似的规模较小的问题来求解，递归策略只需少量的...