AP的解释
可能的Bug
问题
验证的时候评价指标输出是酱紫的
Average Precision (AP) @[ IoU=0.50:0.95 | area= all | maxDets=100 ] = 0.177
Average Precision (AP) @[ IoU=0.50 | area= all | maxDets=1000 ] = 0.608
Average Precision (AP) @[ IoU=0.75 | area= all | maxDets=1000 ] = 0.057
Average Precision (AP) @[ IoU=0.50:0.95 | area= small | maxDets=1000 ] = 0.293
Average Precision (AP) @[ IoU=0.50:0.95 | area=medium | maxDets=1000 ] = -1.000
Average Precision (AP) @[ IoU=0.50:0.95 | area= large | maxDets=1000 ] = -1.000
Average Recall (AR) @[ IoU=0.50:0.95 | area= all | maxDets=100 ] = 0.292
Average Recall (AR) @[ IoU=0.50:0.95 | area= all | maxDets=300 ] = 0.292
Average Recall (AR) @[ IoU=0.50:0.95 | area= all | maxDets=1000 ] = 0.292
Average Recall (AR) @[ IoU=0.50:0.95 | area= small | maxDets=1000 ] = 0.292
Average Recall (AR) @[ IoU=0.50:0.95 | area=medium | maxDets=1000 ] = -1.000
Average Recall (AR) @[ IoU=0.50:0.95 | area= large | maxDets=1000 ] = -1.000
可见area= medium和area=large的AP值为-1，不知道是不是bug导致我的mAP很低，翻了一圈找到了以下解释，总算是弄懂了
AP的解释
首先得搞懂这些AP都代表什么意思，为什么就medium和large的AP值为-1
所以说，这和验证集里标注框面积有关，得检查自己的数据集如果数据框的都是比较小的，中型和大型的自然就没有，所以无法评判（从Github上的回答来看，源码里对于没有的就设置为-1）
可能的Bug
那如果说确实有中大型的检测框，还是-1，那是为啥呢？
那可能是coco数据集的json文件有问题了，在json2coco.py转换时area恒等于1了
因此找到并修改
# annotation['area'] = 1.0 # 导致medium和large的ap都是-1 annotation['area'] = annotation['bbox'][2] * annotation['bbox'][3]
就可以了~
