mmdetection模型的评价工具

Amber亮

已于 2022-08-06 22:24:04 修改

阅读量1.7k

点赞数 6

分类专栏：计算机视觉文章标签： python 人工智能机器学习

于 2022-08-06 22:17:50 首次发布

本文链接：https://blog.csdn.net/dnty00/article/details/126201964

版权

mmdetection训练模型之后，可用以下函数对模型进行评价

一、日志分析

1、tools/analyze_logs.py 利用给定的训练日志文件，可以打印出loss函数与map的曲线，运行pip install serborn来安装对应的依赖。
analyze_logs.py 可以绘制loss, loss_cls, loss_bbox, acc,mAP等等

打印分类损失

python tools/analyze_logs.py plot_curve log.json --keys loss_cls --legend loss_cls

打印分类与回归的损失，并保存为一个pdf文件

python tools/analyze_logs.py plot_curve log.json --keys loss_cls loss_bbox --out losses.pdf

在同一个图中对比两个runs的map

python tools/analyze_logs.py plot_curve log1.json log2.json --keys bbox_mAP --legend run1 run2

打印acc

python tools/analyze_logs.py plot_curve

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

Amber亮

关注关注

6
点赞
踩
26

收藏

觉得还不错? 一键收藏
0
评论
mmdetection模型的评价工具

mmdetection模型评价方法，包括log中参数的可视化、评价模型复杂度等
复制链接

扫一扫

专栏目录

模型评估工具：EvaluateJiant等

禅与计算机程序设计艺术

05-03

257

随着自然语言处理任务的不断发展和复杂化,我们需要更加全面的评估指标来衡量模型的性能。未来可能会出现一些新的评估指标,如对话一致性、逻辑推理能力等。

AILLM模型评估工具

禅与计算机程序设计艺术

05-01

228

1. 背景介绍 1.1 人工智能浪潮下的LLM模型近年来，人工智能（AI）领域经历了前所未有的发展，其中大语言模型（Large Language Models，LLMs）成为了最引人瞩目的技术之一。LLMs 拥有强大的文本生成和理解能力，在自然语言处理（NLP）领域展现出巨大的潜力，并逐

参与评论您还未登录，请先登录后发表或查看评论

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

OpenCompass：大模型测评工具

最新发布

AI相关从业分享

06-24

696

OpenCompass，也称为“司南”，是由上海人工智能实验室发布的一个开源的大模型评测体系，已经成为目前权威的大型模型评估平台。作为一站式的大模型评估平台，它不仅量化了模型在知识、语言、理解、推理等方面的能力，还推动了模型的迭代和优化。其主要特点包括：对模型和数据集支持丰富：支持20+HuggingFace和API模型，70+数据集的模型评估方案，约40万个问题，从五个维度全面评估模型的能力分布式高效评测：提供了分布式评测方案，支持了本机或集群上的计算任务并行分发，实现评测并行式的提速。

OpenVINO 模型性能评估工具—DL Workbench（02）

苦逼的程序猿

06-30

336

DL Workbench

【大数据专业】机器学习之模型调优的评估工具验证曲线学习曲线

weixin_50989751的博客

04-27

1744

机器学习之模型调优的评估工具验证曲线学习曲线

OpenVINO 模型性能评估工具—DL Workbench 的介绍与使用

英特尔开发人员专区

10-19

4555

1.什么是DL Workbench DL Workbench是可视化的OpenVINO模型性能评估工具，用户可以在web界面下选择已有的英特尔硬件设备进行模型评估。这个工具包含了下载深度学习模型、定制和生成推理所需数据集、优化模型、校准模型、调整和比较模型的性能，从而找到最符合工程实践的模型进行部署和使用。 2.DL Workbench支持哪些设备 DL Workbench支持基于Intel CPU、GPU、NCS2和具有英特尔VPU架构的视觉加速设备HDDL。需要注意的是由于MYRIAD和HDDL设备不兼

MMDetection'document.pdf

01-13

MMDetection 提供了一些有用的工具，如可视化工具、评估工具等，这些工具可以帮助用户更好地理解模型的表现和问题所在。 ##### 2.4 如何使用这部分内容会详细介绍如何使用 MMDetection 的各个功能模块，包括如何...

mmdetection修改backnone

03-26

在MMDetection中，模型的构建主要依赖于配置文件。当引入新的Backbone模块或使用新的数据集时，通常需要创建新的配置文件。在本例中，作者创建了一个名为`detr_spinmlp_8x8_150e_mask.py`的新配置文件，并将原有的...

mmdetection yolox-s TensorRT模型2060/2060s显卡可用

08-12

在MMDetection中集成YOLOX-S，可以利用该框架提供的训练、验证和部署工具，使得模型的使用更加便捷。YOLOX-S模型在目标检测任务上表现出色，尤其是在中等规模的数据集上，它能够快速且准确地识别图像中的多个目标。 ...

mmdetection源码注释

01-17

商汤科技（2018 COCO 目标检测挑战赛冠军）和香港中文大学最近开源了一个基于Pytorch实现的深度学习目标检测工具箱mmdetection，支持Faster-RCNN，Mask-RCNN，Fast-RCNN等主流的目标检测框架，后续会加入Cascade-...

【mmdetection 】analyze_logs.py等工具测试

机器视觉爱好者的博客

04-23

6229

#绘制一些运行的分类损失。 python tools/analyze_logs.py plot_curve work_dirs/faster_rcnn_r50_fpn_1x/20200306_175509.log.json --keys loss_cls --legend loss_cls #绘制一些运行的分类和回归损失，并将该图保存为pdf。 python tools / analyze_...

人工智能-常见模型评估(基于sklearn实现)

m0_73674545的博客

04-15

955

模型评估是模型开发过程不可或缺的一部分。它有助于发现表达数据的最佳模型和所选模型将来工作的性能如何。按照数据集的目标值不同，可以把模型评估分为分类模型评估和回归模型评估。

MMDetection实用工具详解（上）：日志分析、结果分析、混淆矩阵

Mickey的博客

05-16

1642

MMDetection官方除了训练和测试脚本，他们还在目录下提供了许多有用的工具。本帖先为大家重点介绍其中三个简单而实用的工具：日志分析、结果分析、混淆矩阵。

mmdetection训练结果可视化之日志分析（一）

mengsheng12的博客

12-26

2219

本文主要介绍了mmdetection训练结果日志分析可视化常用语令

mmdetection日志

weixin_46365033的博客

08-21

336

文章目录测试VOC数据集数据准备测试命令测试VOC数据集数据准备数据集存放目录为：data/VOCdevkit/VOC2007 and data/VOCdevkit/VOC2012 测试模型存放目录为：checkpoints 配置文件存放目录为：configs/pascal_voc 测试命令文件：./tools/test.py python tools/test.py ${CONFIG_FILE} ${CHECKPOINT_FILE} [--out ${RESULT_FILE}] [--eval $

MMDetection的学习笔记

墨门

07-25

4447

Keywords: MMDet MMDetection的学习笔记。

玩转MMDetection-MMDetection v2 目标检测模型有用工具的使用（六）

左右-HPU

07-17

484

需要测试图像的路径。：相应的配置文件的路径。：测试所用的权重文件路径。：所用的GPU的ID号。运行demo路径下的image_demo.py代码，图像路径为demo/demo.jpg，所采用的配置文件路径为configs/faster_rcnn_r50_fpn_1x_coco.py，测试所用的权重文件路径checkpoints/faster_rcnn_r50_fpn_1x_20181010-3d1b3351.pth，设备采用cpu --device cpu。

如何评估大语言模型

Hugging Face

03-28

333

大家可以使用 Hugging Face Space 上的 Evaluation on the Hub 应用在零样本分类任务上评估大语言模型啦！Evaluation on the Hub:https://hf.co/spaces/autoevaluate/model-evaluator零样本评估是研究人员衡量大语言模型性能的一种流行方法。因为大语言模型已经在训练过程中显示出了对无标注数据的学习能...

mmdetection模型评价指标

09-04

MMDetection是一个基于PyTorch框架开发的目标检测工具包，它提供了多个常用的模型评价指标。下面是一些常见的模型评价指标： 1. Mean Average Precision (mAP)：mAP是目标检测任务中最常用的评价指标之一。它计算了模型在不同类别上的平均精度。mAP的计算方法是通过计算不同IoU阈值下的Average Precision (AP)，然后对所有类别的AP进行平均得到。 2. Average Precision (AP)：AP衡量了模型在单个类别上的精度。它通过计算Precision-Recall曲线下的面积来得到。在计算AP时，会使用不同的IoU阈值来确定正样本和负样本。通常，使用不同的IoU阈值计算出多个Precision-Recall点，然后计算这些点的平均值作为AP。 3. Precision：Precision是指模型预测为正样本的样本中真正为正样本的比例。它衡量了模型的准确性。 4. Recall：Recall是指所有正样本中被正确预测为正样本的比例。它衡量了模型对正样本的覆盖率。 5. F1-Score：F1-Score综合考虑了Precision和Recall，计算方法是取Precision和Recall的调和平均值。F1-Score越高，模型的综合性能越好。这些指标可以帮助评估目标检测模型的性能，并且在比较不同模型或调整模型超参数时起到重要的作用。