YOLOv3 mAP计算教程

前言

本文只介绍如何利用YOLOv3训练好的model来计算VOC数据集的mAP。

举一反三，很容易理解如何利用自己训练的model来计算自己的数据集的mAP。

1 运行detector valid命令，进行测试

./darknet detector valid cfg/voc.data cfg/yolov3-voc.cfg backup/VOC/yolov3-voc_final.weights -out "" -gpu 0 -thresh .5

注意：-out “” 双引号其实可以加内容的，但建议初次使用时不要加自定义内容，网上很多教程都加了，其实一点用都没有。之后可以再慢慢探索。

运行速度很快，大概90秒

运行结束后，在results文件夹下生成20个.txt文件，为什么是20个，因为VOC数据集就是20类呀。

2 下载voc_eval.py

https://github.com/rbgirshick/py-faster-rcnn/tree/master/lib/datasets

3 新建compute_mAP.py

写入

from voc_eval import voc_eval
 
print voc_eval('/home/cxx/Amusi/Object_Detection/YOLO/darknet/results/{}.txt'