True positive, False positive, False Negative计算数据框python

Question

我训练了一个对象检测网络。我有一个格式为地面实况注释 CSV， filename, height, width, xmin, ymin, xmax, ymax, class。当我对输入图像进行评分时，我得到了这种格式的输出 CSV：filename, xmin, ymin, xmax, ymax, class, confidence.

考虑到 IoU，我需要合并这些数据帧。所以基本上输出数据框应该包含，

真值及其相应的预测以及 IoU 值（如果找到匹配项）
如果未找到IoU 匹配
如果未找到 IoU 匹配项，则南真值和预测值。

这将是计算精度和召回值的中间步骤。

我只是在这里添加一个非常小的示例数据框作为示例，它测试这些条件。

样本预测：

        filename  xmin  ymin  xmax  ymax class  confidence
0  dummyfile.jpg  4060  2060  4214  2242    DR    0.999985
1  dummyfile.jpg  3599  1282  3732  1456    DR    0.999900

样本基本事实：

        filename  width  height class  xmin  xmax  ymin  ymax
0  dummyfile.jpg   7201    5400    DR  3598  3728  1279  1451
1  dummyfile.jpg   7201    5400    DR  3916  4038  2186  2274

预期最终输出：

我正在添加我当前的方法作为答案。有没有更好的方法来实现这一目标？数据可能会很大。

Answer 1

这是我发现的一种方法，

定义 IoU 函数：

import pandas as pd
import numpy as np
import os

def IOU(df):
    '''funtion to calulcate IOU within rows of dataframe'''
    # determining the minimum and maximum -coordinates of the intersection rectangle
    xmin_inter = max(df.xmin, df.xmin_pred)
    ymin_inter = max(df.ymin, df.ymin_pred)
    xmax_inter = min(df.xmax, df.xmax_pred)
    ymax_inter = min(df.ymax, df.ymax_pred)

    # calculate area of intersection rectangle
    inter_area = max(0, xmax_inter - xmin_inter + 1) * max(0, ymax_inter - ymin_inter + 1)

    # calculate area of actual and predicted boxes
    actual_area = (df.xmax - df.xmin + 1) * (df.ymax - df.ymin + 1)
    pred_area = (df.xmax_pred - df.xmin_pred + 1) * (df.ymax_pred - df.ymin_pred+ 1)

    # computing intersection over union
    iou = inter_area / float(actual_area + pred_area - inter_area)

    # return the intersection over union value
    return iou

读取基本事实和预测 CSV

ground_truth=pd.read_csv("sample_gt.csv")
prediction=pd.read_csv('sample_preds.csv')

###renaming prediction df columns with _pred suffix
pred_cols=prediction.columns.tolist()
pred_cols.remove('filename')
new_cols=[col+'_pred' for col in pred_cols ]
new_col_dict=dict(zip(pred_cols,new_cols))
prediction.rename(columns=new_col_dict,inplace=True)

外部连接地面实况和预测

###outer joining the prediciton and ground truth df
newdf=pd.merge(prediction,ground_truth,'outer',on='filename')

###applying iou calculation
newdf['iou']= newdf.apply(IOU, axis = 1)
###filtering all iou=0
newdf=newdf[newdf['iou']>0]

从基本事实和预测中获取不匹配值。

final_df=pd.merge(prediction,newdf,on=prediction.columns.tolist(),how='left')
final_df=pd.merge(final_df,ground_truth,on=ground_truth.columns.tolist(),how='outer')

True positive, False positive, False Negative计算数据框python

True positive, False positive, False Negative calculation data frame python

python

precision

object-detection

computer-vision

pandas