معرفی شرکت ها


csv-mAP-calculator-0.1.3


Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Calculate mAP for CSV format detection result
ویژگی مقدار
سیستم عامل -
نام فایل csv-mAP-calculator-0.1.3
نام csv-mAP-calculator
نسخه کتابخانه 0.1.3
نگهدارنده []
ایمیل نگهدارنده []
نویسنده Autumn
ایمیل نویسنده zhao_qyu@163.com
آدرس صفحه اصلی https://https://gitee.com/zhao_qy/csv_mAP_calculator
آدرس اینترنتی https://pypi.org/project/csv-mAP-calculator/
مجوز MIT
Function to calculate mean average precision (mAP) in CSV format for post detection prediction calculation. # Requirements python 3.*, numpy, pandas, cython(optinal), pyximport(optional) # Installation ``` pip install CSV-mAP-calculator pip install CSV-mAP-calculator -i https://pypi.python.org/simple ``` ## Usage example: Path to CSV-files: ```python from CSV_mAP_calculator import get_csv_mAP gt_file = 'csvs/gt.csv' predict_file = 'csvs/predictions.csv' mean_ap, average_precisions = get_csv_mAP(gt_file, predict_file, iou_threshold=0.5) ``` Or numpy arrays of shapes **(N, 6)** and **(M, 7)**. ```python from CSV_mAP_calculator import get_csv_mAP import pandas as pd gt = pd.read_csv('csvs/gt.csv', header=None, names=['img_path', 'x1', 'y1', 'x2', 'y2','conf', 'label']).values pred = pd.read_csv('csvs/predictions.csv', header=None, names=['img_path', 'x1', 'y1', 'x2', 'y2', 'label']).values mean_ap, average_precisions = get_csv_mAP(gt, pred) ``` ## Input files format * Annotation CSV-file: ```csv 'img_path','x1','y1','x2','y2','label' path/imgname1.jpg,0,0,511,511,cat1 path/imgname2.jpg,122,247,666,799,cat2 ... ``` * Detection CSV-file: ```csv 'img_path','x1','y1','x2','y2','conf','label' path/imgname1.jpg,0,0,511,511,0.8958333,cat1 path/imgname1.jpg,121,32,511,242.5,0.9998,cat2 path/imgname2.jpg,0,0,511,511,0.8958333,cat3 ... ``` * Return should be like: ```python Number of files in annotations: 7283 Number of files in predictions: 7282 Unique classes: 3 Detections length: 7282 Annotations length: 7283 cat1 | 0.917434 | 2445 cat2 | 0.861768 | 2400 cat3 | 0.930730 | 2438 mAP: 0.903311 0.903310916116078 ```


نیازمندی

مقدار نام
- numpy
- pandas
- cython


نحوه نصب


نصب پکیج whl csv-mAP-calculator-0.1.3:

    pip install csv-mAP-calculator-0.1.3.whl


نصب پکیج tar.gz csv-mAP-calculator-0.1.3:

    pip install csv-mAP-calculator-0.1.3.tar.gz