MMDetection项目中如何获取各类别的mAP50指标

在目标检测任务中，mAP(mean Average Precision)是评估模型性能的重要指标，其中mAP50特指在IoU阈值为0.5时的平均精度。许多研究人员在使用MMDetection框架训练模型后，发现默认输出的评估结果中只包含各类别的mAP值，而没有mAP50的详细数据。

问题背景

当使用MMDetection框架在DIOR数据集(类似于COCO格式)上训练模型后，输出的scalars.json文件中只记录了各类别的mAP值，缺少各类别在IoU=0.5时的mAP50指标。这对于需要分析模型在不同IoU阈值下表现的开发者来说是个困扰。

解决方案

MMDetection框架实际上已经内置了mAP50的计算功能，只是默认情况下不会在训练过程中输出到日志文件。要获取各类别的mAP50指标，可以通过以下两种方式：

1. 使用测试脚本显式评估

运行以下命令可以获取完整的评估结果，包括mAP50：

python tools/test.py configs/faster_rcnn_r50_fpn_1x.py work_dirs/epoch_100.pth --out results.pkl --eval bbox --show

关键参数说明：

• --eval bbox：指定评估边界框检测性能
• --show：显示详细评估结果

执行后会输出类似如下的评估报告：

+---------------+-------+--------------+-------+
| class         | AP    | AP50         | AP75  |
|---------------+-------+--------------+-------+
| airplane      | 0.723 | 0.891        | 0.812 |
| ship          | 0.685 | 0.876        | 0.754 |
| ...           | ...   | ...          | ...   |
+---------------+-------+--------------+-------+

2. 修改配置文件添加评估指标

如果希望在训练过程中也记录mAP50，可以修改配置文件的evaluation部分：

evaluation = dict(
    interval=1, 
    metric='bbox',
    save_best='auto',
    rule='greater',
    classwise=True  # 显示各类别详细指标
)

技术原理

MMDetection的评估系统基于COCO评估协议，默认会计算多个IoU阈值(0.5:0.05:0.95)下的AP值。其中：

• AP：多个IoU阈值(0.5-0.95)的平均值
• AP50：IoU阈值为0.5时的AP值
• AP75：IoU阈值为0.75时的AP值

框架内部已经计算了这些指标，只是默认的日志记录和可视化系统可能没有全部显示出来。

注意事项

1. 确保数据集标注格式正确，特别是DIOR数据集需要转换为COCO格式
2. 评估时内存消耗较大，大数据集可能需要较长时间
3. --show参数会生成可视化结果，可能增加评估时间
4. 对于自定义数据集，需要确认类别ID与配置文件一致

通过上述方法，开发者可以全面了解模型在不同IoU阈值下的表现，特别是关注mAP50这一常用指标，从而更好地分析和改进模型性能。