MMdetection2测试voc数据获取precision

在使用mmdetection时,测试voc数据集无法得到精度指标,只有recall和mAP,这里可以通过修改几行代码来获得precision指标

修改后打印结果:

代码修改

修改mmdet/core/evaluation/mean_ap.py文件里的print_map_summary函数的5处代码,你可以直接复制这个函数,然后替换掉原来的函数。修改后的函数为:

def print_map_summary(mean_ap,
                      results,
                      dataset=None,
                      scale_ranges=None,
                      logger=None):
    """Print mAP and results of each class.

    A table will be printed to show the gts/dets/recall/AP of each class and
    the mAP.

    Args:
        mean_ap (float): Calculated from `eval_map()`.
        results (list[dict]): Calculated from `eval_map()`.
       
  • 1
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
### 回答1: 我可以尝试帮你解决这个问题。首先,你需要下载VOC数据集,然后将其转换为MMDetection可以识别的格式。接着,您可以使用预训练的模型进行训练,或者按照MMDetection框架中的步骤手动训练模型。 ### 回答2: mmdetection是一个开源的基于PyTorch的目标检测工具箱,用于训练和推理各种目标检测模型。它支持多种数据集格式,包括Pascal VOC数据集。 要使用mmdetection训练VOC数据集,首先需要准备VOC数据集的标注文件和图像。VOC数据集通常包含JPEG格式的图像文件和对应的XML格式的标注文件,其中包含目标类别、边界框坐标等信息。 接下来,需要在mmdetection的配置文件中对训练参数进行设置。配置文件是一个Python格式的脚本,包含了模型结构、数据增强、训练参数等信息。可以根据需求选择合适的模型结构,例如Faster R-CNN、SSD等。还可以设置训练时的超参数,如学习率、优化器类型等。 在配置文件中,需要设置数据集的相关参数。mmdetection提供了相应的数据集类,可以根据VOC数据集的特点进行配置。需要指定数据集的路径、类别列表、图像和标注文件的文件名等。 完成配置文件的设置后,可以使用mmdetection提供的命令行工具进行训练。通过运行相应的命令,mmdetection会根据配置文件中的设置加载数据集并进行训练。训练过程中,mmdetection会逐渐优化模型参数,使其能够更好地检测目标。 训练完成后,可以使用训练得到的模型进行目标检测。可以通过加载模型和输入图像,调用mmdetection提供的API进行目标检测操作。这样就可以利用训练好的模型对VOC数据集中的图像进行目标检测了。 总之,使用mmdetection训练VOC数据集需要准备数据集和标注文件,设置好模型和训练参数的配置文件,然后使用mmdetection提供的命令行工具进行训练。训练完成后,可以使用训练好的模型进行目标检测

“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 4
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