Fast-COCO-Eval

此包包装了位于pycocotools包中的COCO-eval操作facebook C++实现。此实现大大加快了coco的AP指标评估时间，尤其是在处理图像中的大量实例时。

比较

对于我们的用例，测试数据集包含1500张图像，每张图像最多有2000个实例，我们使用fast-coco-eval（FCE）与原始pycocotools代码相比，评估速度提高了100倍。

Seg eval pycocotools 4 hours 
Seg eval FCE: 2.5 min

BBox eval pycocotools: 4 hours 
BBox eval FCE: 2 min

入门

安装

pip install fast-coco-eval

如果您克隆了存储库并本地安装，建议使用以下命令

pip install -e .

前提是您位于fast-coco-eval目录下。似乎在从根目录安装（不使用-e标志）时加载C++扩展存在一个问题。

使用方法

此包包含pycocotools COCOEval类的快速实现。由于使用了torch进行编译和访问C++代码，因此在使用包之前需要导入它。要导入和使用COCOeval_fast，请输入以下内容

import torch
from fast_coco_eval import COCOeval_fast

有关使用方法，请参阅原始COCOEval类的类文档。

依赖关系

• pytorch>=1.5
• pycocotools
• pybind11
• numpy

最好将它从PyTorch构建工具中解耦，以便进行C++编译。

待办事项

• 封装C++代码
• 使其可编译
• 添加COCOEval类封装
• 移除detectron2依赖
• 检查是否在Windows上工作
• 移除torch依赖

许可证

在Apache 2.0许可证下分发，有关更多信息，请参阅许可证。© 2021 Sartorius AG