张量流 tf.metrics

Question

我对 tensorflow 指标 (tf.metrics) 有一些疑问。有一些可用的指标，如准确度、精度、误报等。

根据API精度等至少需要两个参数：

precision("ground truth values", "predicted values")

在“session.run”之后，我有一个带有一些张量的结果字典，见下图

result dict

detection boxes

groundtruth box

detection scores

如何使用这些值来计算准确度、精确度、假阳性等？

我尝试了以下方法：

prec = tf.metrics.precision(result_dict['groundtruth_boxes'],  result_dict['detection_boxes'][0])

但我收到以下错误：

ValueError: Can not squeeze dim[1], expected a dimension of 1, got 4 for 'precision/remove_squeezable_dimensions/Squeeze' (op: 'Squeeze') with input shapes: [1,4].

无论如何我的尝试毫无意义，因为计算精度需要“真阳性”和“假阳性”。

Answer 1

首先，tf.metrics 最适用于计算多批次的运行指标。因为他们需要在sess.run() 调用中保持状态，所以它们并不像某些人想象的那么简单。这是一篇很好的文章，解释了它们是如何工作的：http://ronny.rest/blog/post_2017_09_11_tf_metrics/

对于您的问题，tf.metrics.precision 的参数必须（有效地）是布尔张量。您不能直接提供边界框。例如，以下将打印1.0：

prediction = tf.constant([1., 1., 2., 2.])
label = tf.constant([1., 1., 3., 3.])
precision, update_op = tf.metrics.precision(label, prediction)

with tf.Session() as sess:
  sess.run(tf.local_variables_initializer())
  sess.run(update_op)
  print sess.run(precision)

因为2 和3 都不是零。

您需要自己比较边界框（例如，为每个框做tf.reduce_all(tf.equal(expected_box, predicted_box))），以便每个框都有一个True/False 标量。所有这些放入向量中的标量将成为tf.metrics.precision 的predictions 参数。 labels 参数是 True 的张量，与 predictions 大小相同。