darknet——YOLOv3测试

本文详细介绍了如何在darknet框架下,针对YOLOv3模型计算训练后的mAP和召回率Recall。首先,通过valid命令生成txt测试结果文件,然后使用faster R-CNN的voc_eval脚本计算mAP。接着,调整voc_eval.py以计算特定阈值下的mAP。此外,还解释了如何计算多类别的mAP。最后,针对Recall的计算,指出可能出现的报错及解决方法,并提供了相关资源链接。
摘要由CSDN通过智能技术生成

一、训练好后计算mAP

单张测试命令:./darknet detector test cfg/voc.data cfg/yolov3-voc.cfg backup/yolov3-voc_final.weights

会显示测试结果图片并保存

第一步:生成txt测试结果文件

命令:valid

./darknet detector valid cfg/voc.data cfg/yolov3-voc.cfg backup/yolo-voc_final.weights -out [类名] -gpu 0 -thresh .5

分析:改成自己对应的数据配置文件路径,yolov3的cfg配置文件,要测试的权重文件路径,指定GPU以及阈值即可

默认情况下,结果会得到在results下的各类别的txt检测结果文件

每行代表一个预测框,分别为:不带路径与后缀的图片名,置信度分数,四个绝对坐标值

此处的-out后面直接" "即可,因为不论你写什么,他都会根据voc_names中配置的类名来生成对应txt,有几个类就生成几个txt,并且会将类名自动写入txt文件名中。

一开始不懂生成机制的话可以生成后手动修改txt文件名为类名,后米再慢慢摸索。

第二步:使用faster R-CNN的voc_eval进行计算

代码地址:voc

  • 0
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“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