我刚刚通过Tensorflow对象检测API代码，尤其是eval_util部分，我想实现COCO指标。
但是我注意到度量仅使用在[0,1]之间具有归一化坐标的边界框来计算。 没有使用纵横比或绝对坐标。
那么，这是否意味着根据这些结果计算的联合交叉点是不正确的？ 我们以200x100图像像素为例。 如果该框在左侧偏离20px，则在标准化坐标中为0.1。 但如果它偏离20px到顶部，那么在标准化坐标中它将是0.2。
难道不是这样的意思吗？对于得分而言，进入最高分是否会比拒绝分数更难？
答案 0 :(得分：1)
我相信预测的坐标会调整为eval二进制文件中的绝对图像坐标。
但我要说的另一件事是IOU是规模不变的，因为如果你按一些因子缩放两个方框，它们仍然会有相同的IOU重叠。例如，如果我们在x方向上缩放2并在y方向上缩放3： 如果A是（x1，y1，x2，y2）而B是（u1，v1，u2，v2），那么IOU（（A，B）） = IOU（（2 * x1,3 * y1,2 * x2,3 * y2），（2 * u1,3 * v1,2 * u2,3 * v2））
这意味着在标准化坐标中进行评估应该得到与在绝对坐标中评估相同的结果。