Python中图像识别的测试准确性

我有一组训练和测试图像，正在使用Mask Rcnn模型进行训练。
输入注释数据采用Pascal VOC格式，如下所示：

图像中每个人的坐标

现在，我的模型输出中包含图像中每个人的类ID
我用下面的代码得到总数：print（np.sum（r ['class_ids']））

现在我想比较20张图像的实际值和上述每张图像的classid之和
所以我的代码结构会像这样

For imageid in testdataset
a= count (occurence of person in annotation file for that image)
b= np.sum(r['class_ids']
print imageid (or filename),a,b


尽管我已经编写了结构，但是我无法用python编写正确的代码。有人可以帮忙吗？