由于，近期项目需要引入关键点做一些方向逻辑的判断，在此记录一些实验与经典论文方法。首先，我们先了解一下关键点估计的评价指标。
1.PCK - Percentage of Correct Keypoints
PCK表示关键点正确估计的比例
计算检测的关键点与其对应的groundtruth间的归一化距离小于设定阈值的比例。在MPII 中是以头部长度(head length) 作为归一化参考。
d
0
d_0
d0表示检测器，
σ
\sigma
σ表示关键点是否与gt匹配的阈值，正确估计出的关键点比例。这是比较老的人体姿态估计指标，在17年比较广泛使用，现在基本不再使用。
2.OKS - object keypoint similarity
OKS（object keypoint similarity），关键点相似度，在人体关键点评价任务中,对于网络得到的关键点好坏,并不是仅仅通过简单的欧氏距离来计算的,而是有一定的尺度加入,来计算两点之间的相似度。
O
K
S
=
∑
i
[
e
x
p
(
−
d
p
i
2
/
2
s
p
2
σ
i
2
)
δ
(
v
i
>
0
)
]
/
∑
i
[
δ
(
v
i
>
0
)
]
OKS={\sum}_{i}{[exp(-{d}^{2}_{pi}}/2s_p^{2}\sigma^{2}_{i})\delta(v_i>0)]/{\sum}_{i}{[\delta(v_{i}>0)]}
OKS=∑i[exp(−dpi2/2sp2σi2)δ(vi>0)]/∑i[δ(vi>0)]
其中，p表示gt中的id，
p
i
p^i
pi表示某id的关键点。
d
p
i
d_{pi}
dpi表示当前检测的一组关键点中id为i的关键点与groundtruth里行人p的关键点中id为 的关键点的欧式距离。
v
i
v_i
vi=1表示关键点无遮挡且已标注，
v
i
v_i
vi=2表示关键点有遮挡但已标注。
S
p
S_p
Sp表示gt中id为p的尺度因子，其值为检测框面积的平方根。
σ
i
\sigma_i
σi表示id为i类型的关键点归一化因子，这个因子是通过对所有的样本集中的groundtruth关键点由人工标注与真实值存在的标准差， 越大表示此类型的关键点越难标注。对coco数据集中的5000个样本统计出17类关键点的归一化因子，取值可以为：{鼻子：0.026，眼睛：0.025，耳朵：0.035，肩膀：0.079，手肘：0.072，手腕：0.062，臀部：0.107，膝盖：0.087，脚踝：0.089}，因此此值可以当作常数看待，但是使用的类型仅限这个里面。
3.AP(Average Precision)平均准确率
计算出groundtruth与检测得到的关键点的相似度oks，然后人为的给定一个阈值T（在coco中T就是iou（0.5-0.95）），当oks大于T时可以认为该pred为tp（当出现多个关键点时，oks表示所有点的平均oks），通过所有图片的oks计算AP:
关键点AP的算法与目标检测是类似的，区别在于，目标检测是计算DT与GT的iou，而kpt是用oks相似度作为iou比较。
mAP(mean Average Precision)文章来源：https://www.toymoban.com/news/detail-439791.html
mAP是常用检测指标，具体就是给AP指标中的人工阈值T设定不同的值，然后会获得多个AP指标，最后再对多个AP指标求平均，最终获得mAP。文章来源地址https://www.toymoban.com/news/detail-439791.html
到了这里，关于mmpose关键点（一）：评价指标（PCK,OKS,mAP）的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
