为何处理Oxford building数据集时代码统计值为4390而非官方标注的5062？

问题原因排查 #

• query标注文件的解析逻辑错误：good、ok、junk三类标注文件每行仅存储无后缀的纯图像名，你的处理逻辑对这三类是有效的。但query标注文件每行的格式为[图像名] [x1] [y1] [x2] [y2]，包含了查询目标的边界框坐标，你直接对整行内容做strip后拼接.jpg，得到的字符串根本不是合法的图像文件名，这部分的统计是无效的，会拉低有效条目的总数。
• 统计逻辑不符合预期：你统计的z值是所有标注条目的总出现次数，而非去重后的唯一图像总数。同一张图像可能被多个查询的gt文件标注为相关（比如同一张图属于A查询的good类，也属于B查询的ok类），如果你要统计的是总图像数，需要先对allnames列表去重后再统计长度，而不是直接统计累加的z值。
• groundtruth标注本身不会覆盖所有5062张图像：官方提供的gt仅标注了和55个查询相关的图像，剩下的图像属于所有查询的无关负样本，不会出现在good/ok/junk/query四类标注文件中，所以你遍历gt条目统计到的数量本身就不可能等于总图像数5062，你要获取全量图像列表应该直接遍历images文件夹统计，而不是通过gt文件反向统计。
• 补充排查点：先核对groundtruth文件夹的文件总数，标准Oxford 5k数据集的gt文件共220个（11个建筑类别，每个类别对应5个查询，每个查询对应4个标注文件），如果文件数少于220，会直接导致统计的条目数偏少。
• 冗余操作提醒：你的代码中对gt路径列表转set的操作完全多余，os.listdir返回的文件名本身就是唯一的，转set不会带来任何收益，反而会打乱文件遍历顺序。

内容的提问来源于stack exchange，提问作者David