FDDB测试使用(生成ROC曲线)

参考:http://blog.csdn.net/u012072066/article/details/78287979

一、过程

1、如果需要使用外部数据集进行算法性能评测,如FDDB,首先需要下载FDDB数据集(包括图像文件和标注文件)以及生成ROC的代码。

2、make编译evaluation代码。

3、使用自己的人脸检测算法检测FDDB数据集,得到FDDB数据集要求的标签格式文件

4、使用FDDB的evaluation工具,对自己的数据集输出结果进行测试,输出tempContROC.txt和tempDiscROC.txt文件。

这里需要更改evalation.cpp的文件中的几个参数:

(1)源代码中默认的根据系统不同,给参数文档中每张图像名的后面追加了后缀.jpg或.ppm,如果系统为windows,则为.jpg,否则为.ppm,针对具体情况进行更改,这里我改成了.jpg

(2)根目录,图像路径文件,测试算法输出文件,图像标准文件(其中listFile和annotFile是从FDDB数据集下载)

5、使用matplotlib工具绘制ROC曲线

我绘制的曲线图如下:

上图为离散显示,下图为连续显示。

转载于:https://www.cnblogs.com/listia/articles/8540328.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
对于使用YOLOv5训练FDDB(Face Detection Data Set and Benchmark)数据集,你需要进行以下步骤: 1. 准备数据集:首先,你需要下载FDDB数据集并将其解压缩。该数据集包含一系列的图片和相应的注释文件。注释文件提供了每张图片中人脸的位置和大小信息。 2. 数据预处理:使用适当的工具(如OpenCV、PIL等),读取图片和注释文件,并将数据集划分为训练集和验证集。你可以根据需要调整数据集的大小。 3. 标注转换:FDDB数据集的注释文件采用特殊的格式,不适用于YOLOv5的训练。你需要编写脚本将注释文件转换为YOLOv5所需的格式。在新的注释文件中,每行包含一个目标的标签和边界框的坐标。 4. 配置训练参数:在YOLOv5的配置文件中,你需要设置与训练FDDB相关的参数。这些参数包括类别数量、模型超参数、数据集路径等。确保根据你的需求进行适当的设置。 5. 训练模型:使用YOLOv5的训练命令,开始训练模型。在训练过程中,模型将根据输入的数据进行迭代优化,学习检测FDDB数据集中的人脸。 6. 模型评估:使用训练好的模型对验证集进行评估,计算模型在FDDB数据集上的精度和性能指标。这可以帮助你了解模型的效果和改进空间。 需要注意的是,以上步骤仅提供了一个基本的框架,实际操作中可能需要根据具体情况进行调整和改进。此外,YOLOv5有许多开源实现可供参考,你可以参考这些实现来更深入地了解如何训练YOLOv5模型。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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