乐趣区

关于人工智能:YOLOv5全面解析教程⑤计算mAP用到的Numpy函数详解

jiezi

作者 | Fengwen、BBuf

本文次要介绍在 One-YOLOv5 我的项目中计算 mAP 用到的一些 numpy 操作，这些 numpy 操作应用在 utils/metrics.py 中。本文是《YOLOv5 全面解析教程④：指标检测模型精确度评估》的补充，心愿能帮忙到小伙伴们。

欢送 Star、试用 One-YOLOv5：
https://github.com/Oneflow-In…

用到的 numpy 操作比方：np.cumsum()、np.interp()、np.maximum.accumulate()、np.trapz() 等。接下来将在上面逐个介绍。

import numpy as np

np.cumsum()

返回元素沿给定轴的累积和。

numpy.cumsum(a, axis=None, dtype=None, out=None) 源码 (https://github.com/numpy/nump…)

  • 参数
  • a: 数组
  • axis: 轴索引, 整型，若 a 为 n 维数组，则 axis 的取值范畴为 [0,n-1]
  • dtype: 返回后果的数据类型，若不指定，则默认与 a 统一 n
  • out: 数据类型为数组。用来搁置后果的代替输入数组，它必须具备与输入后果具备雷同的形态和数据缓冲区长度
  • 返回
  • 沿着指定轴的元素累加和所组成的数组，其形态应与输出数组 a 统一

更多信息请参阅读:
1.API_CN(https://www.osgeo.cn/numpy/re…)

2.API_EN(https://numpy.org/doc/stable/…)

np.cumsum(a) # 计算累积和的轴。默认（无）是在展平的数组上计算 cumsum。

array([1, 3, 6, 10, 15, 21])

a = np.array([[1,2,3], [4,5,6]])
np.cumsum(a, dtype=float)     # 指定输入的特定的类型

array([1., 3., 6., 10., 15., 21.])

np.cumsum(a,axis=0)      # 3 列中每一列的行总和

array([[1, 2, 3],[5, 7, 9]])

x = np.ones((3,4),dtype=int) 
np.cumsum(x ,axis=0)

array([[1, 1, 1, 1],[2, 2, 2, 2],[3, 3, 3, 3]])

np.cumsum(a,axis=1)      # 2 行中每行的列总和

array([[1, 3, 6],[4, 9, 15]])

np.interp()

  • 参数
  • x: 数组待插入数据的横坐标
  • xp: 一维浮点数序列原始数据点的横坐标，如果 period 参数没有指定那么就必须是递增的 否则，在应用 xp = xp % period 正则化之后，xp 在外部进行排序
  • fp: 一维浮点数或复数序列 原始数据点的纵坐标，和 xp 序列等长.
  • left: 可选参数，类型为浮点数或复数（对应于 fp 值）当 x < xp[0] 时的插值返回值，默认为 fp[0].
  • right: 可选参数，类型为浮点数或复数（对应于 fp 值），当 x > xp[-1] 时的插值返回值，默认为 fp[-1].
  • period: None 或者浮点数，可选参数横坐标的周期 此参数使得能够正确插入 angular x-coordinates. 如果该参数被设定，那么疏忽 left 参数和 right 参数
  • 返回
  • 浮点数或复数（对应于 fp 值）或 ndarray. 插入数据的纵坐标，和 x 形态雷同

留神！

在没有设置 period 参数时，默认要求 xp 参数是递增序列 

# 插入一个值
import numpy as np
import matplotlib.pyplot as plt
x = 2.5
xp = [1, 2, 3]
fp = [3, 2, 0]
y = np.interp(x, xp, fp)  # 1.0
plt.plot(xp, fp, '-o') 
plt.plot(x, y, 'x') # 画插值
plt.show()
# 插入一个序列
import numpy as np
import matplotlib.pyplot as plt

x = [0, 1, 1.5, 2.72, 3.14]
xp = [1, 2, 3]
fp = [3, 2, 0]
y = np.interp(x, xp, fp)  # array([3. ,  3. ,  2.5 ,  0.56,  0.])
plt.plot(xp, fp, '-o')
plt.plot(x, y, 'x')
plt.show()

np.maximum.accumulate

计算数组（或数组的特定轴）的累积最大值 

import numpy as np
d = np.random.randint(low = 1, high = 10, size=(2,3))
print("d:\n",d)
c = np.maximum.accumulate(d, axis=1)
print("c:\n",c)

d: [1 9 5]
c: [[1 9 9] [2 6 6]]

np.trapz()

numpy.trapz(y, x=None, dx=1.0, axis=- 1) 应用复合梯形规定沿给定轴积分。

import matplotlib.pyplot as plt
import numpy as np
y = [1, 2, 3] ; x = [i+1 for i in range(len(y))]
print(np.trapz(x))
plt.fill_between(x, y)
plt.show() # (1 + 3)*(3 - 1)/2 = 4
import matplotlib.pyplot as plt
import numpy as np
y = [1, 2, 3] 
x = [4, 6, 8]
print(np.trapz(y,x))
plt.fill_between(x, y)
plt.show() # (3 + 1)*(8 - 4) / 2 = 8

参考资料：

  1. numpy API 文档 CN：https://www.osgeo.cn/numpy/de…
  2. numpy API 文档 EN：https://numpy.org/doc/stable/…
  3. axis 的根本应用：https://www.jb51.net/article/…

欢送 Star、试用 OneFlow 最新版本：https://github.com/Oneflow-In…

退出移动版