浅析在one-yolov5项目中计算mAP用到的一些numpy操作

引言

本文主要介绍在 one-yolov5 项目中 计算mAP用到的一些numpy操作，这些numpy操作使用在 utils/metrics.py 中。

用到的 numpy 操作比如：np.cumsum()、np.interp()、np.maximum.accumulate()、np.trapz()等。接下来将在下面逐一介绍。

import numpy as np

np.cumsum()

返回元素沿给定轴的累积和。

numpy.cumsum(a, axis=None, dtype=None, out=None) 源码(https://github.com/numpy/numpy/blob/v1.23.0/numpy/core/fromnumeric.py#L2497-L2571)

参数
a :数组
axis: 轴索引,整型，若a为n维数组，则axis的取值范围为[0,n-1]
dtype: 返回结果的数据类型，若不指定，则默认与a一致n
out: 数据类型为数组。用来放置结果的替代输出数组，它必须具有与输出结果具有相同的形状和数据缓冲区长度
返回
沿着指定轴的元素累加和所组成的数组，其形状应与输入数组a一致

更多信息请参阅读:

API_CN(https://www.osgeo.cn/numpy/reference/generated/numpy.cumsum.html?highlight=cumsum#numpy.cumsum)
API_EN(https://numpy.org/doc/stable/reference/generated/numpy.cumsum.html?highlight=cumsum#numpy.cumsum)

np.cumsum(a) # 计算累积和的轴。默认（无）是在展平的数组上计算cumsum。

array([ 1,  3,  6, 10, 15, 21])

a = np.array([[1,2,3], [4,5,6]]) np.cumsum(a, dtype=float) # 指定输出的特定的类型

array([ 1.,  3.,  6., 10., 15., 21.])

np.cumsum(a,axis=0) # 3列中每一列的行总和

array([[1, 2, 3],       [5, 7, 9]])

x = np.ones((3,4),dtype=int) np.cumsum( x ,axis=0)

array([[1, 1, 1, 1],       [2, 2, 2, 2],       [3, 3, 3, 3]])

np.cumsum(a,axis=1) # 2行中每行的列总和

array([[ 1,  3,  6],       [ 4,  9, 15]])

np.interp()

参数
x: 数组 待插入数据的横坐标
xp: 一维浮点数序列 原始数据点的横坐标，如果period参数没有指定那么就必须是递增的 否则，在使用xp = xp % period正则 化之后，xp在内部进行排序
fp: 一维浮点数或复数序列 原始数据点的纵坐标，和xp序列等长.
left: 可选参数，类型为浮点数或复数（对应于fp值） 当x < xp[0]时的插值返回值，默认为fp[0].
right: 可选参数，类型为浮点数或复数（对应于fp值），当x > xp[-1]时的插值返回值，默认为fp[-1].
period: None或者浮点数，可选参数 横坐标的周期 此参数使得可以正确插入angular x-coordinates. 如果该参数被设定，那么忽略left参数和right参数
返回
浮点数或复数（对应于fp值）或ndarray. 插入数据的纵坐标，和x形状相同

注意！

在没有设置period参数时，默认要求xp参数是递增序列

# 插入一个值  
import numpy as np  
import matplotlib.pyplot as plt  
x = 2.5  
xp = [1, 2, 3]  
fp = [3, 2, 0]  
y = np.interp(x, xp, fp)  # 1.0  
plt.plot(xp, fp, '-o')   
plt.plot(x, y, 'x') # 画插值  
plt.show()

图片

`# 插入一个序列  
import numpy as np  
import matplotlib.pyplot as plt  
  
x = [0, 1, 1.5, 2.72, 3.14]  
xp = [1, 2, 3]  
fp = [3, 2, 0]  
y = np.interp(x, xp, fp)  # array([ 3. ,  3. ,  2.5 ,  0.56,  0. ])  
plt.plot(xp, fp, '-o')  
plt.plot(x, y, 'x')  
plt.show()  
  
`

np.maximum.accumulate

计算数组（或数组的特定轴）的累积最大值

`import numpy as np  
d = np.random.randint(low = 1, high = 10, size=(2,3))  
print("d:\n",d)  
c = np.maximum.accumulate(d, axis=1)  
print("c:\n",c)     
`

d: [[1 9 5] [2 6 1]]c: [[1 9 9] [2 6 6]]

np.trapz()

numpy.trapz(y, x=None, dx=1.0, axis=- 1) 使用复合梯形规则沿给定轴积分。

import matplotlib.pyplot as plt import numpy as np y = [1, 2, 3] ; x = [i+1 for i in range(len(y))] print(np.trapz(x)) plt.fill_between(x, y) plt.show() # (1 + 3)*(3 - 1)/2 = 4

4.0

import matplotlib.pyplot as plt import numpy as np y = [1, 2, 3] x = [4, 6, 8] print(np.trapz(y,x)) plt.fill_between(x, y) plt.show() # (3 + 1)*(8 - 4) / 2 = 8

8.0

原作者： Fengwen，BBuf