0.2.0Mooncakes 已发布
安装 bbox / mask 评测库
在 MoonBit 项目中评测检测框与实例掩码。API 以版本包页为准。
moon add python123-ops/moondeteval@0.2.0支持范围
输入、指标与输出
用于评测已经生成的预测结果，运行时不依赖训练框架。
- 评测指标
- 12 项 COCO AP / AR、逐类指标、crowd、面积区间与 maxDets。
- 错误诊断
- 逐图结果、101 点 PR 曲线，以及重复、错类、定位和背景误报的匹配记录。
- 接入方式
- MoonBit 内存 API、native CLI、双模型比较、批量 bbox / segm 和总体／逐类 AP、AR 门禁。
查看一批模型的结果
运行 batch_eval.py 后，在查看器中选择输出文件夹。可切换模型查看详情，并核对报告与索引的 SHA-256。
开始使用
安装包，或运行源码
安装 0.2.0 评测库，或克隆源码运行 CLI、批量工具和查看器示例。
0.2.0源码与完整示例
运行 mask 评测示例
需要 MoonBit 0.10.15 兼容工具链。下面的命令比较两份合成 mask 预测。
git clone https://github.com/python123-ops/moondeteval.git
cd moondeteval
moon update
moon run cli --target native -- examples/mask-ground-truth.json examples/mask-baseline.json --iou-type segm --compare examples/mask-candidate.json --diagnostics --pr-curves当前不包含
训练、图像解码、模型推理、关键点、旋转框，以及任意历史报告的合并。
验证记录
测试与参考对照
- 四后端测试
- Wasm、Wasm GC、JavaScript、native：核心各 99 项，源码消费者各 112 项。
- 参考实现对照
- 178 组多边形像素检查、42 组多边形 AP 场景及 44 组 RLE mask AP 场景。
- 真实分割输出回放
- 64 图 COCO 子集，三组 YOLO11n-seg 预测与参考结果核对。复用已保存输出，不是重新推理。
参考实现：pycocotools 2.0.7 · 指标容差：1e-9 · 覆盖范围与命令见 README
相关项目
几何与跟踪库
可通过消费者示例接入坐标变换和跟踪输出。各库保持独立依赖。