Tensorflow目标检测API中的精确召回曲线

在Tensorflow对象检测API中是否有可视化精度召回曲线的方法？ 我知道地图代表曲线下面积的绝对值，但我认为实际曲线更能代表我的应用？ 我已经在UTIL/metrics中找到了一些精度和召回值，但我不知道它们究竟代表了什么，或者更确切地说，如何从中生成Prec/recall曲线。

---

谁能帮我一下，怎么做？

计算精度\u召回输出两个长度相同的numpy数组，即精度和召回。可以使用matplotlib轻松打印这些值：

---

导入matplotlib.pyplot作为plt
...
精度、召回率=计算精度、召回率（分数、标签、数量）
plt.图（）
plt.step（召回、精度，其中class='post'）
plt.xlabel（“召回”）
plt.ylabel（“精度”）
plt.xlim（（0,1））
plt.ylim（（0,1））
plt.show（）
plt.close（）

根据：“通过改变模型分数阈值，确定什么被算作该类别的模型预测阳性检测，从模型的检测输出计算精度召回曲线。”该断言正确吗，有没有办法设置分数阈值？注意，

compute\u precision\u recall

函数是。您应该能够像这样导入它：

从object\u detection.utils.metrics import compute\u precision\u recall

导入matplotlib.pyplot as plt

应该使用，而不是

导入matplotlib as plt