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