yolov5 6.1 关于 val.py 的使用说明

最新推荐文章于 2024-05-31 16:08:10 发布

Jerry.yl

最新推荐文章于 2024-05-31 16:08:10 发布

阅读量7.8k

点赞数 7

分类专栏：目标检测文章标签： YOLO 计算机视觉深度学习

本文链接：https://blog.csdn.net/QQ1452008/article/details/131198376

版权

4 篇文章 1 订阅

订阅专栏

一. val.py 介绍

主要用于评估已经训练好的模型的性能和精度。通过在验证集上运行模型，计算模型在检测任务上的指标和评估结果。

具体来说分为如下几个步骤：

加载模型和数据：val.py 会加载训练好的模型权重文件和用于验证的数据集。它会根据配置文件中的设置，加载模型架构和权重，并准备验证数据。
图像预处理：在验证过程中，输入图像会被预处理以适应模型的要求。这包括调整图像大小、归一化像素值等操作，以确保输入图像符合模型的要求。
模型推理：val.py 在验证集上运行模型进行推理。它会将预处理后的图像输入模型，得到模型对图像中目标的预测结果。
后处理和评估：在模型推理完成后，val.py 会对模型的输出结果进行后处理。它会将模型输出的边界框进行解码和筛选，并计算预测结果的精度指标，如精确率、召回率、平均精确率等。
输出结果和指标：val.py 会将评估结果和指标打印输出到控制台，以提供模型在验证集上的性能信息。这些信息可以用于评估模型的准确性和优化模型的参数和超参数。

通过运行 val.py 脚本，可以对已训练的模型进行验证，了解模型在检测任务上的表现，并根据评估结果进行优化和改进。

使用如下指令：

python3 val.py --weights best.engine --data ./dataset/dataset.yaml --half --imgsz 640

参数	说明
–weights best.engine	指定模型（best.engine 为使用 Tensorrt 加速的模型）
–data ./dataset/dataset.yaml	指定验证数据集
–half	使用半精度 FP16 计算
–imgsz 640	指定图片尺寸为 640640，源码默认无法验证长方形图片，即输入长方形尺寸将会报错*

另外还需要保证如何参数设置与检测推理时一样，否则验证结果是无效，不能代表检测推理情况：

参数	说明
–conf-thres	置信度阈值
–iou-thres	非最大抑制（NMS）时的IOU阈值。IOU阈值指定了两个边界框之间的最小重叠程度

关注