TF对象检测API的mAP计算看似错误

Question

我不确定这是我的误解还是TF Object Detection（OD）API代码中的错误，但我认为在发布到github之前，我会首先尝试这里。

基本上，我正在比较张量板中的两个模型，红色与绿色。我发现红色模型在总体mAP，mAP @ .50IOU和mAP @ .75IOU上略胜一筹。但是，在按对象大小划分的所有mAP上，绿色效果更好：mAP大，中和小（请参见下图，以67.5k步长，其中蓝色箭头是）。

现在我没有数学博士学位，但我的假设是，如果模型具有较高的mAP（带有小型中型和大型对象），则它应该具有较高的总体mAP ...

以下是确切值：（所有值均以67.5k的步长获得，没有任何平滑）

                Red     Green
mAP             .3599   .3511
mAP@.50IOU      .5670   .5489
mAP@.75IOU      .3981   .3944
mAP (large)     .5557   .7404
mAP (medium)    .3788   .3941
mAP (small)     .1093   .1386

Answer 1

我认为，获得更多见解的一种方法是分析数据集中边界框大小（小，中，大）数量的统计信息。这是mAP calculation的链接，其中TF对象检测API描述了如何计算小盒子和中盒子。

我可以想象发生此问题的原因是，您的中型边框比大型边框高得多。另外，由于mAP小于0.01，我会忽略小边界框的性能。