关于COCO数据集评价参数设置

在进行DETR-like模型的实验过程中，考虑到原模型都是基于COCO数据集上进行的实验，因此博主在实验时也是将其全部都转换为COCO数据集的格式，但这就引发了一个问题，那就是不同的数据集中目标的数目是不同的，而最终结果却有一个不容忽视的指标：

maxDets：该指标的意思是分别保留测试集的每张图上置信度排名第1、前10、前100个预测框，根据这些预测框和真实框进行比对，来计算AP、AR等值。

比如博主在使用COCO数据集时，博主将其中的car，bus，truck进行提取，这就导致在一张图片中的目标数目可能只有几张，那么我们使用maxDets=100就没有什么问题，而在WidePerson数据集中，尽管绝大部分图片中目标的数量在100以内，但却存在某些图片中包含近200个目标，那么我们再使用maxDets=100就不符合要求了。
如下图：

此时我们就需要修改maxDets的值，具体在安装的pycoocotool包的cocoecal.py文件中：

修改完成后运行，发现，AP50-95的值为-1，但其他值却正常，这是什么原因导致的呢，看到有人说是数据标注出了问题，但为何其他值没有问题呢，仔细一个其maxDets依旧是100，难道是这个导致的？

回到源码再次修改：

stats[0] = _summarize(1,maxDets=self.params.maxDets[2])

OK 了