# yolov测试各项指标的流程:

1. 载入模型, 其中包括类别数等;

2. 按照 batch_size 逐张图片进行预测

   1. 得到预测标签: predn 和 实际标签 labelsn, 其中 末尾的 n 表示经过了原图适配的 bbox坐标.

      predn: {tensor: (3,6)},表示预测到了3个标签, 表示[x1, y1, x2, y2, confidence, class]
          
      tensor([[754.00000,  86.00000, 767.00000, 104.00000,   1.00000,   0.00000],
              [676.00006, 241.00000, 689.00006, 260.00000,   1.00000,   0.00000],
              [731.00000, 311.00000, 752.00000, 327.00000,   1.00000,   0.00000]], device='cuda:0')
      

      labelsn: {tensor: (3, 5)}, 实际有3个标签, 表示[class, x1, y1, x2, y2]
      
      tensor([[  0.00000, 731.00000, 311.00000, 752.00000, 327.00000],
              [  0.00000, 676.00006, 241.00000, 689.00006, 260.00000],
              [  0.00000, 754.00000,  86.00000, 767.00000, 104.00000]], device='cuda:0')
      

   2. 计算混淆矩阵, confusion_matrix.process_batch(predn, labelsn)

      1. iou = box_iou(labels[:, 1:], detections[:, :4]) # 调用general中计算iou的方式计算iou

         假设两个 bbox 分别为: (突然心生疑问: 这个坐标怎么疑似表示为了 左下右上 的方式. 以往都是 左上右下 , 什么时候转成这样的呢?)

         如果你也有这样的疑问, 那你就大错特错了…因为: 坐标系不一样. 如下图所示, 看到这个你就明白了.

         所以, 坐标表示还是 左上右下 的! 切记.

         

         # 实际box
         box1: {tensor:(3, 4)}
         
         tensor([[731.00000, 311.00000, 752.00000, 327.00000],
                 [676.00006, 241.00000, 689.00006, 260.00000],
                 [754.00000,  86.00000, 767.00000, 104.00000]], device='cuda:0')
         
         # 预测box
         box2: {tensor:{3, 4}}
             
         tensor([[754.00000,  86.00000, 767.00000, 104.00000],
                 [676.00006, 241.00000, 689.00006, 260.00000],
                 [731.00000, 311.00000, 752.00000, 327.00000]], device='cuda:0')
         

         # 首先利用 box 的转置矩阵, 方便求面积, 
         box1.T
         tensor([[731.00000, 676.00006, 754.00000],
                 [311.00000, 241.00000,  86.00000],
                 [752.00000, 689.00006, 767.00000],
                 [327.00000, 260.00000, 104.00000]], device='cuda:0')
         
         box2.T
         tensor([[754.00000, 676.00006, 731.00000],
                 [ 86.00000, 241.00000, 311.00000],
                 [767.00000, 689.00006, 752.00000],
                 [104.00000, 260.00000, 327.00000]], device='cuda:0')
         

         则得到:
         $$\begin{gathered} box1的area1=(box1[2].T-box1[0])\ast (box1[3]-box1[1])=tensor([336.,247.,234.]) \\ 同理求得area2=tensor([234.,247.,336.]) \end{gathered}$$

         然后一番操作, 就求出来了 IOU…

重点关注的几个变量:

targets: (真实标签) 存储此次 batch_size 中的所有变量, [当前BS中bbox数量, 6], 其中6维度依次是: [img_index, class, x, y, w, h]

out: 模型训练的结果, 包括所有的 bbox 以及置信度等,

• out: 经过NMS, 得到筛选过的 bbox, 成为了一个list, len(list) 表示图片的数量, 也就是 BS.
• out[0]: 此个 BS 中 第一张图片的预测结果, [bbox 数量, 6], 其中6维度依次是: [x1, y1, x2, y2, confidence, class]

依次遍历 targets 和 out, 分别得到 labels 和 pred,

pred: 此张图片预测的结果, 也就是 out[index]

predn: 经过 scale_coords 将预测的坐标信息 (pred的 bbox) 转换回相对原图尺度. 注意: 是 xyxy 格式的坐标信息转化为相对于原图的坐标信息.

labels: 第 i 个BS中真实标签信息, 也就是第 i 张图片

labelsn: 真实标签信息 xywh2xyxy, 然后再经过 scale_coords 转为相对原图的坐标信息

因此, 存在一个问题… yolo格式标签原来就是相对于原图的坐标信息, 什么时候转化为了 不是归一化后的[x,y, w,h] 呢?

原来是在 dataloader 中, 坐标是根据训练图像大小转化过 坐标信息的. LoadImagesAndLabels -> xywhn2xyxy

自定义性能测试文件

如果我想要更改 test.py / val.py 文件为从已有的两组标签中衡量性能, 我该如何做呢?

数据准备:

├─MOT16-02
│  ├─det
│  │  └─det.txt
│  ├─gt
│  │  └─gt.txt
│  ├─img1
│  │  ├─000001.jpg
│  │  ├─000002.jpg
│  │  ├─000003.jpg

其中, det/det.txt 文件包括 10列, 分别为:

1,-1,1359.1,413.27,120.26,362.77,2.3092,-1,-1,-1
1,-1,571.03,402.13,104.56,315.68,1.5028,-1,-1,-1
1,-1,650.8,455.86,63.98,193.94,0.33276,-1,-1,-1
1,-1,721.23,446.86,41.871,127.61,0.27401,-1,-1,-1
1,-1,454.06,434.36,97.492,294.47,0.20818,-1,-1,-1

<frame>, <id>, <bb_left>, <bb_top>, <bb_width>, <bb_height>, <conf>, <x>, <y>, <z>
<第几帧>, <轨迹编号, 在这里都是-1>, <bb_left>, <bb_top>, <bb_width>, <bb_height>, <conf>, <MOT3D_x>, <MOT3D_y>, <MOT3D_z>
注意: 最后三列是 MOT3D 用到的内容，2D检测总是为-1.

其中, gt/gt.txt 文件包括 10列, 分别为:

1,1,912,484,97,109,0,7,1
2,1,912,484,97,109,0,7,1
3,1,912,484,97,109,0,7,1
4,1,912,484,97,109,0,7,1
5,1,912,484,97,109,0,7,1

<frame>, <id>, <bb_left>, <bb_top>, <bb_width>, <bb_height>, <flag>, <class>, <visibility ratio>
<frame>, <运动轨迹ID号, 也就是第几个人>, <bb_left>, <bb_top>, <bb_width>, <bb_height>, <目标轨迹是否进入考虑范围内的标志，0表示忽略，1表示active>, <该轨迹对应的目标种类>, <目标可见比例, box的visibility ratio>

其中, seqinfo.ini 文件主要介绍视频的帧率、分辨率等基本信息。

其中有几个字段还是不清楚, 因此先根据标签画一下图片, 可视化一下标签和图片的匹配度.

1. 分别载入 det/gt 格式标签;

   1. det: [x1, y1, x2, y2, confidence, class]
   2. gt: [img_index, class, x, y, x, y]

2. 然后就可以直接根据坐标画框了. 关于 name 是可选的, 可以传入一个 list

3. 首先根据上面重点关注的几个变量出发, 找到入口处, 也就是循环遍历开始的地方.

4. 准备好标签文件, 类型为: