参考:中文文字检测与识别的评测方法

Challenges 4使用的评测方法

1. 介绍

不同于Challenges 1和2,是Challenges 4标定的框多种多样,并不是水平的,如果像之前那样可能各种匹配形式会很复杂。Challenges 4的评测方法采用简单的计算IoU来进行评测,在Challenges 4中标定框与检测框都为多边形而不是之前的水平矩形了。

2. 具体方法
  1. 针对每张图片,创建一个n x m大小的矩阵(称为iouMat),其中n为标定框的个数(GT),m为检测到的框个数(Det)。
    iouMati,j=area(inter(gti,detj))area(union(gti,detj))iouMat_{i,j} = \frac{area(inter(gt_i, det_j))}{area(union(gt_i, det_j))} iouMati,j​=area(union(gti​,detj​))area(inter(gti​,detj​))​
    注:gti、detjgt_i、det_jgti​、detj​分别表示第i个标定框和第j个检测框,inter()表示求两个矩形框的交际,union()表示求两个矩形框的并集,area()表示求的面积

  2. 定义IoU阈值(一般0.5),统计iouMat中大于阈值的个数,记为TP

    • recall的分数:TP/GT
    • precision的分数:TP/Det
    • ap(average precision)的分数:在检测的输出结果中要输出一列每个检测框的置信度,首先将置信度排序,每有一个符合条件(这里的条件就是3中大于0.5的检测框)的框,计算此时的准确率(计算方法为当前满足条件的框的个数除以已检测出的框的个数),将所有满足条件的框计算出来的准确率相加,最后除以除以gt个数(这里的gt个数同上,除去了文本标定为###的框),得到每张图片的ap指标。若要算整个测试集的map,同理,只是框个数变成的整个测试集的框个数。

注, 要说明的是,如果检测到的是长文本,但是标定的是单个字,这时候检测可能会算为检测不准确,这是这个评测方法的缺陷

语义分割之OCR的评判标准相关推荐

  1. 对象上下文语义分割:OCR论文笔记(Object-Contextual Representations for Semantic Segmentation )

    对象上下文语义分割:OCR 原文:Object-Contextual Representations for Semantic Segmentation 论文链接: https://arxiv.org ...

  2. [CVPR 2020] RandLA-Net:大场景三维点云语义分割新框架(已开源)

    点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 本文由知乎作者Qingyong Hu授权转载,不得擅自二次转载.原文链接:https://zhuanl ...

  3. 以及其任何超类对此上下文都是未知的_ECCV'20 |OCRNet化解语义分割上下文信息缺失难题...

    编者按:图像语义分割一直都是场景理解的一个核心问题.针对语义分割中如何构建上下文信息,微软亚洲研究院和中科院计算所的研究员们提出了一种新的物体上下文信息--在构建上下文信息时显式地增强了来自于同一类物 ...

  4. 【语义分割】ICCV21_Mining Contextual Information Beyond Image for Semantic Segmentation

    文章目录 一.背景 二.动机 三.方法 3.1 整体结构 3.2 特征存储模块 Feature Memory Module 3.3 数据集层面的上下文聚合 Dataset-level Context ...

  5. 语义分割双料冠军!微软 OCRNet化解语义分割上下文信息缺失难题|ECCV 2020

    编者按:图像语义分割一直都是场景理解的一个核心问题.针对语义分割中如何构建上下文信息,微软亚洲研究院和中科院计算所的研究员们提出了一种新的物体上下文信息--在构建上下文信息时显式地增强了来自于同一类物 ...

  6. 上海 · 百度语义分割Pro沙龙,高性能深度学习实战营

    如同拥有"火眼金睛"般的工业质检机器人,正在作为工业领域的热点话题被大众所熟知.它因为能有效解决人工质检成本高.效率低.无法保证准确率的问题,成为实现智能制造的重要推手.想了解其中 ...

  7. 重磅推荐!日立开源语义分割数据集标注工具Semantic Segmentation Editor

    面向自动驾驶领域的2D图片与3D点云对象标注工具. (欢迎关注本站的"我爱计算机视觉"微信公众号,一个有价值有深度的公众号~) 日立汽车工业实验室(Hitachi Automoti ...

  8. 4种语义分割数据集Cityscapes上SOTA方法总结

    本文分享自华为云社区<语义分割数据集Cityscapes上SOTA方法总结>,原文作者:fdafad. 1 Cityscapes数据集介绍 Cityscapes评测数据集即城市景观数据集, ...

  9. 【论文汇总】 ECCV 2020 语义分割paper汇总

    语义分割 segmentation paper@ECCV 2020 ECCV 2020语义分割文章总结,文章下载链接. 文章目录 语义分割 segmentation paper@ECCV 2020 前 ...

最新文章

  1. axios请求接口http_Vue使用Axios实现http请求以及解决跨域问题
  2. valgrind 看内存泄漏
  3. 将 Win32 程序移植到 Linux
  4. C++中用new和不用new定义类的对象的区别解答
  5. 晚上美容护肤10要诀 - 健康程序员,至尚生活!
  6. Tips--更改Jupyter Notebook的默认工作路径
  7. 2018湖北技能高考计算机类学校,武汉船舶职业技术学院举行2018年湖北省技能高考...
  8. 青蛙换位置excel_吃青蛙:如何在Excel中创建每日交付的sprint消耗图
  9. EmEditor Pro 8.3简体中文绿色增强(无需安装)版
  10. 问题四十八:怎么用ray tracing画superhyperboloid(超级双曲面)
  11. 机器学习--线性回归4(线性拟合、局部线性拟合实战)
  12. iOS开发点滴 - 关闭键盘
  13. springMVC的url重写
  14. 计算机网络之网络安全基础
  15. java 流水_Java之流水号生成器实现
  16. kinect java_Kinect for Java
  17. ghost linux 黑屏,Ghost 与 Linux 的兼容性
  18. Elastic:如何摄入 Websocket 数据到 Elasticsearch
  19. nacos安装和配置
  20. 怎么恢复删除的文件?实用小妙招

热门文章

  1. Flask初级(十)flash与前台交互post详解
  2. 2017/09/15
  3. 导航栏 UITabBarController等颜色的区别
  4. Android 学习笔记 Service服务与远程通信...(AIDL)
  5. GoogleProgressBar
  6. windows之间自动传送文件
  7. Android 壁纸设置代码 详解
  8. .NET Winform 的七段数码显示控件
  9. 【jQuery笔记Part2】02-jQuery展开收起动画帷幔效果案例下拉菜单案例显示隐藏更多案例折叠菜单案例
  10. spring中怎么访问MySQL过程_DB数据源之SpringBoot+MyBatis踏坑过程(六)mysql中查看连接,配置连接数量...