matlab精度检验代码-LRP:带有Python和MATLAB实现的PASCAL-VOC，COCO数据集的本地化召回Preci...

matlab精度检验代码 该存储库已弃用。 有关各种视觉检测任务，请参阅LRP的通用版本。 用于对象检测的LRP（本地化召回精度）性能指标和阈值 该存储库包含对象检测性能指标的Python和MATLAB实现。 该存储库支持PASCAL-VOC和MS COCO数据集。 如果使用LRP，请引用以下论文。 Kemal Oksuz，Baris Can Cam，Emre Akbas和Sinan Kalkan，“本地化召回精度（LRP）：一种用于对象检测的新性能指标”，发表于：欧洲计算机视觉会议（2018年）。 简而言之，LRP是平均精度（AP）的替代方法，后者是召回精度曲线下的面积，并且是当前在对象检测中使用的主要性能指标。 在上图中，显示了三个不同的对象检测结果（针对ILSVRC 2015数据集的图像），具有非常不同的RP（查全率）曲线。 请注意，它们都具有相同的AP。 AP无法识别这些曲线之间的差异。 在（a），（b）和（c）中，红色，蓝色和绿色分别表示真实边界框，真阳性检测结果和假阳性检测结果。 图像中的数值表示置信度得分。 （d），（e）和（f）显示了（a），（b），（c）中相应检测的R