mmdet 3.x 打印各类指标

已于 2023-11-18 18:36:33 修改
阅读量561 收藏 12
点赞数 8
文章标签： python 目标检测
于 2023-11-18 18:22:45 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ZZZZ_Y_/article/details/134481465
版权

和mmdet2.x中的修改地方不一样，在mmdet/evaluation/metrics/coco_metric.py中第72行将classwise设为True就可以打印各类指标了

 但是在test的时候一直都是什么指标都不打印，不管是上面总的指标还是下面的各类指标，暂时不知道怎么处理

找到原因了，不小心在config文件里把test_evaluator的format_only设为True了，改成False就行

ZZZZ_Y_
关注
MMdection3.3.0多类目标训练查看单类准确率（AP）
m0_46448946的博客
07-23 316
MMdection3.3.0多类目标训练查看单类准确率（AP）
mmdetection 目标检测测试时打印各类别准确率（AP），打印iou为0.5时各类AP
ZZZZ_Y_的博客
10-21 1580
mmdetection 目标检测测试时打印各类别准确率（AP），打印iou为0.5时各类AP
mmdetection中的loss是如何打印出来的
liuyang_xyz的博客
01-11 2012
class TwoStageDetector(BaseDetector): Two stage 的forward_train()返回losses列表 （由RPN和ROI的forward_train()返回而来） class EpochBasedRunner(BaseRunner): 其中的 outputs = self.model.train_step(data_batch, self.optimizer, **kwargs).
mmdetection的3.x版本测试每一类class的map
weixin_58526694的博客
01-02 1019
首先在mmdet文件夹中的evaluation文件夹中找到metrics文件夹，再找到里面的coco_metric.py文件，修改文件中的classwise:bool = False为True，如下图橙色光标高亮所示。然后使用下面的代码运行来测试，记得修改成自己的py路径和pth，最后的数字1表示使用1个GPU。预测的结果如下图，有每一类的map，我的是4类，分别是0123四个罗马数字表示。更多详细内容请了解mmdetection官网上的内容，重点是模型测试部分。
mmdet3.x——报错解决：compute_metrics - 471 - The testing results of the whole dataset is empty.
Irving.Gao的博客
08-08 632
报错截图 问题原因 训练loss为nan，检查网络结构是否合理。
mmdetection 模型评测指标
03-02
1. mmdet 默认使用的是coco格式的数据集，算法训练模型也是使用的coco格式训练数据； 2. 评测指标同样使用COCO数据集的评测指标，指标如下： 3. 算法评测参数： bbox  —— 目标检测框 segm —— 目标分割结果 4.  模型的判断标准有AP（平均精确率） 和AR（平均召回率） 两大类，在机械臂项目中，主要依据AP 来进行评测。 MAP  ——   mean Average Precision, 即各类别AP的平均值 AP50  ——  IOU 阈值设置成0.5时的AP值，也可协作mAP.5 mAP.5:.95 ——  mAP@[.5:.95](mAP@[.5,.95]) 表示在阈值区间 [0.5, 0.95]，步长为0.5的平均mAP 。IoU thresholds, from 0.5 to 0.95, step 0.05 (0.5, 0.55, 0.6, 0.65, 0.7, 0.75, 0.8, 0.85, 0.9, 0.9
mmdetection3改进cocoapi评估指标
记录些个人学习过程的代码实现以及解决方案
02-02 1986
在训练自己的模型时，正常情况下只能打印评估指标，形式如下开启打印每一类的评估数据时，仅仅只能打印mAP的值修改后如下可以打印真实的平均准确率(Precision)、召回率(Recall)、mAP注:下图的mAP_50_95即是上图的mAP值实验环境 修改步骤 项目最终目录1.粘贴工具包中的至下，其代码如下，新建将下面代码粘贴即可 2.新建自己的，命名为,路径: 3.修改路径下的，主要是修改导包处改为修改后代码如下 4.修改文件 5.中开启测试打印 完整效果 运行时输出如下
MMEngine理解
MyArrow的专栏
10-28 9822
MMEngine学习理解
open-mmlab学习笔记
xiaomu_347的博客
05-15 57
OpenMMLab 是一个由香港中文大学多媒体实验室 (MMLab) 发起的开源项目，旨在建立一个通用的、模块化的深度学习模型框架，以便于研究者和开发者能够快速构建和部署深度学习模型。这些框架在计算机视觉领域的研究和应用中发挥了重要作用，帮助研究者和开发者快速实现和部署深度学习模型。: 一个全面的、模块化的、灵活的目标检测工具箱，支持单阶段和双阶段检测器。: 用于语义分割、实例分割和全景分割的框架，提供多种分割网络结构。: 用于生成模型的框架，如条件图像生成、文本到图像生成等。
基于mmdet2.25.3实现Cbnetv2在数据增强方法中，将实例分割任务Simple Copy Paste 应用于目标检测
09-06
由于各类物体有不同的外观、形状和姿态，加上成像时光照、遮挡等因素的干扰，目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务，目标定位和目标分类。首先检测图像中目标的...
【python】ModuleNotFoundError: No module named ‘mmdet3d‘
聿默的博客
12-06 3487
ModuleNotFoundError: No module named ‘mmdet3d‘
mmdet3d training 流程
ZLTJohn的博客
06-03 1752
一般大家的pytorch训练代码都比较简洁，mmdet3d为了支持扩展性，把代码进行了很多的抽象和封装，大大降低了可读性。现在简单理一下其training的代码执行逻辑。
ModuleNotFoundError: No module named 'mmdet3d.ops.voxel.voxel_layer'
07-07
3. 包结构改变：如果`mmdet3d`库的结构发生了变化，可能会导致找不到特定的子模块。 为了解决这个问题，你可以按照以下步骤操作： 1. 确认是否已经安装了`mmdet3d`模块，可以运行`pip list | grep mmdet3d`检查。 ...
ModuleNotFoundError: No module named 'mmdet3d.ops.centerfusion'
06-18
"ModuleNotFoundError: No module named 'mmdet3d.ops.centerfusion'" 这是一个常见的Python错误，当你试图导入名为 'mmdet3d.ops.centerfusion' 的模块时出现。这通常意味着你的Python环境或项目中找不到这个特定...
（笔记）第三期书生·浦语大模型实战营（十一卷王场）--书生入门岛通关第2关Python 基础知识
最新发布
haidizym的博客
10-02 495
学员闯关手册：https://aicarrier.feishu.cn/wiki/ZcgkwqteZi9s4ZkYr0Gcayg1n1g?课程视频：https://www.bilibili.com/video/BV1mS421X7h4/课程文档：https://github.com/InternLM/Tutorial/tree/camp3/docs/L0/Python。
遥感影像-实例分割数据集：iSAID 从切图到YOLO格式数据集制作详细介绍
GIS潮流
09-30 1336
开源数据集isaid标注包含实例分割，但是原始影像太大，很吃显存，一般显卡无法用原始影像直接训练，所以需要对影像进行裁剪，并生成对应的标签，因为想用yolo系列跑模型，所以将标签需要转为txt格式。
酷炫音乐盒: 使用Python和Tkinter配合Pygame打造自己的音乐播放器
宇宙第一小趴菜的博客
09-29 1248
Tkinter是一个功能强大且简单易用的库，适合构建轻量级的GUI应用程序。它在不同的操作系统上具有相同的外观和行为，因此可以实现跨平台的应用程序。当然，Tkinter还有更多的功能和细节，通过阅读官方文档和教程，你可以更深入地了解和学习如何运用Tkinter来创建各种GUI应用程序。
'mmdet3d.core'
11-10
根据提供的引用内容，我们可以看出'mmdet3d.core'是一个Python包。如果你想使用它，你需要先安装mmdet3d这个包。你可以通过以下命令安装mmdet3d： ``` pip install mmdet3d ``` 安装完成后，你就可以在Python中使用'...
评论 5
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值