keras retinanet 评估部分

retinanet训练部分

用resnet101预训练模型，保留主干网络：

python keras_retinanet/bin/train.py --steps 3500 --backbone resnet101  --batch-size 4 --freeze-backbone  --image-min-side 400 --image-max-side 666  csv keras_retinanet/CSV/train_annotations.csv keras_retinanet/CSV/classes.csv --val-annotations keras_retinanet/CSV/val_annotations.csv

用预训练模型继续训练：

python keras_retinanet/bin/train.py --steps 3500 --weights snapshots/resnet50_coco_best_v2.1.0.h5  --batch-size 4  --image-min-side 400 --image-max-side 666  csv keras_retinanet/CSV/train_annotations.csv keras_retinanet/CSV/classes.csv --val-annotations keras_retinanet/CSV/val_annotations.csv

retinanet评估部分运行记录

在kerans版本的retinanet评估部分运行出现很多的问题，主要是参数该怎么设置的问题，运行的命令：

python keras_retinanet/bin/evaluate.py  csv keras_retinanet/CSV/val_annotations.csv keras_retinanet/CSV/classes.csv snapshots/resnet101_csv_02.h5 --convert-model

1. csv: dataset_type的方式，这里有三种，coco,pascal,cav，根据自己的情况选择
2. keras_retinanet/CSV/test_annotations.csv ：annotations地址，测试集的csv文件。
3. keras_retinanet/CSV/classes.csv：classes地址，指定具体的分类和ID对应关系的csv文件
4. snapshots/resnet50_csv_09.h5：训练好的模型
5. –convert-model：转换模型的开关，不加这个会出现ValueError: not enough values to unpack (expected 3, got 2)