`pred_by_img.setdefault(img, [ ]).append({...})`

pred_by_img.setdefault(img, [ ]).append({...})
这一句的核心目的是 把同一张图片的全部预测框归档到同一个列表里，后面做 IoU 匹配就能 O(1) 取出。

---

为啥要这样分组？

1. 遍历标签时，只关心当前这张图的预测

   PR = pred_by_img.get(img_name, [])
   

   如果不用字典分组，得在几万条预测里反复筛选，效率极低。

2. 字典键 = 图片名

   • 一张图只会出现一次键
   • setdefault：第一次遇到这张图时自动建空列表；以后直接追加

---

存进去的两项字段

{"cls": p["category_id"] - 1,   # ① 预测类别(1‑12) → 0‑11 与 GT 对齐"box": [x1, y1, x2, y2]        # ② bbox 从 (x, y, w, h) → (x1, y1, x2, y2)
}

字段	为什么要转？
cls	GT 的类别是 0‑11，而 predictions.json 给的是 1‑12；减 1 才能写进同一个混淆矩阵行/列。
box	IoU 计算函数用 左上+右下 格式 (x1,y1,x2,y2)；YOLO 预测给的是 (x,y,w,h)。所以提前转换，后面直接算 IoU。

---

小示例

假设 predictions.json 里有三条记录：

image_id	category_id	bbox (xywh)	score
imgA	11	[100,200,50,80]	0.8
imgA	12	[300,100,40,40]	0.7
imgB	10	[120,220,60,70]	0.9

执行循环后，pred_by_img 结构：

{"imgA.jpg": [{"cls": 10, "box": [100,200,150,280]},   # 11‑1 → 10{"cls": 11, "box": [300,100,340,140]}],"imgB.jpg": [{"cls": 9,  "box": [120,220,180,290]}]
}

• 取 pred_by_img["imgA.jpg"] 就直接拿到 imgA 的 2 个预测框
• 后面做 一对一匹配 时非常高效

---

一句话总结

用 pred_by_img “按图索引” 所有预测框，
 同时把 类别编号和坐标格式预处理好，
 这样在主循环里对每张图做 IoU 匹配时既快又少出错。