mmdection测试时显示coco每个类别ap

最新推荐文章于 2024-05-16 13:35:36 发布
最新推荐文章于 2024-05-16 13:35:36 发布
阅读量2k 收藏 6
点赞数 2
文章标签： mmdetection
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/observador/article/details/114413006
版权

找到 "mmdetection/mmdet/datasets/coco.py"第367行

 

修改classwise=True,

如果想要IOU=0.5的各类AP值，那么请修改 iou_thrs=[0.5],

正常训练和测试就会输出你想要的结果。

 

IoU=0.50意味着IoU大于0.5被认为是检测到，超出检测范围，所以Ap=-1

observador
关注
python脚本之分类别提取coco数据集
03-21
描述中提到的"可以把80个类别全部按照coco的文件目录结构提取出来"，意味着这个脚本会遍历COCO数据集的标注信息，根据每个图像对应的类别，将其移动到相应的类别文件夹中。这样，用户可以更方便地处理特定类别的数据...
【mmdetecion】mmdetection多类目标训练查看单类准确率（AP）
Gorgeous_wxd
02-17 2955
在使用mmdetecion测试的时候我们可能想得到下面的结果，其实很简单，在test.py 后面加--options "classwise=True" 即可。 例如 python tools/test.py ./configs/cascade_rcnn/cascade_rcnn_r101_fpn_1x_coco.py ./work_dirs/cascade_rcnn_r101_fpn_1x_coco/epoch_12.pth --out ./result/result.pkl --eval bbox --
mmdetection 目标检测测试时打印各类别准确率（AP），打印iou为0.5时各类AP
ZZZZ_Y_的博客
10-21 2232
mmdetection 目标检测测试时打印各类别准确率（AP），打印iou为0.5时各类AP
MMDetection——COCO格式数据集显示单类别AP
阿基美德的博客
07-30 2038
问题 COCO格式数据集如何在MMDetection中显示单类别AP 解决方案 1. 进入mmdet/datasets/coco.py 2. 修改363行中的evaluate函数参数：classwise=True 3. iou_thrs可根据自己的情况看是否修改，(输入需是包含float数据的List） def evaluate(self, results, metric='bbox',
mmdection评价结果
weixin_67859995的博客
05-09 447
mmdetection 性能评价指标
mmdetection目标检测训练过程参数解读
知北行的博客
05-19 4076
关于训练过程中日志记录的的map, 包含很多map, 如下 {"mode": "train", "epoch": 100, "iter": 400, "lr": 0.0002, "memory": 5010, "data_time": 0.01552, "loss_rpn_cls": 0.00029, "loss_rpn_bbox": 0.0016, "loss_cls": 0.01206, "acc": 99.49316, "loss_bbox": 0.01724, "loss": 0.03119, "t
【mmdetection】验证时AP为-1
小涛44的博客
03-20 2889
这和验证集里标注框面积有关，得检查自己的数据集如果数据框的都是比较小的，中型和大型的自然就没有，所以无法评判（从Github上的回答来看，源码里对于没有的就设置为-1）可见area= medium和area=large的AP值为-1，不知道是不是bug导致我的mAP很低，翻了一圈找到了以下解释，总算是弄懂了。那可能是coco数据集的json文件有问题了，在json2coco.py转换时area恒等于1了。那如果说确实有中大型的检测框，还是-1，那是为啥呢？验证的时候评价指标输出是酱紫的。
coco数据集目标类别标签
04-10
coco数据集目标检测物体类别标签json文档，包括物体索引即ID和文本名称
适用于Yolo训练和测试的coco数据集标签文件 train2017.txt和val2017.txt
05-06
COCO（Common Objects in Context）数据集是一个广泛使用的多类别物体检测、分割和关键点定位的数据集，包含超过20万张图像，涵盖了80个不同的类别。 `train2017.txt` 和 `val2017.txt` 是COCO数据集中用于训练和...
coco80里面提取的coco800，包含所有类别
07-28
这些文件通常包括JPEG图像、JSON格式的标注信息（列出每个图像中的物体类别、位置等）、元数据以及其他可能用于训练和验证模型的信息。为了训练一个深度学习模型，开发者会将这些数据集划分为训练集、验证集和测试集...
python脚本批量新建文件夹，例如用于coco数据集分类别提取图片
03-21
python脚本批量新建文件夹，例如用于coco数据集分类别提取图片
mmdetection2计算每个类别的AP50
chao_xy的博客
05-04 839
修改mmdet/datasets/coco.py
mmdetection多类目标训练查看单类准确率（AP）以及使用模型测试看结果（show）
qq_44442727的博客
07-23 1万+
本文主要是个人笔记，以后便于查询，也供借鉴。通常我们在mmdetection平台上就训练一类目标，训练过程中每跑完一个epoch就可以查看到该目标的0.5，0.75等阈值下的准确率，还有一个整体的mAP。但是，当你跑多类目标时，多个目标一起训练怎么看单类的准确率？mmdetection默认的设置是多类目标一起训练时，打印整体的准确率，如果要在训练和测试的时候查看单类的准确率，可以如下操作（以下操作的前提是已经训练起来了，相关多类训练的多类配置文件修改好了）： 在mmdetection/mmdet/datas
关于mmdetection框架实用小工具说明
qq_45720073的博客
08-03 1463
关于mmdetection框架实用小工具说明
mmdetection训练数据集后指标可视化（一些工具使用）
weixin_44733311的博客
05-31 2749
mmdetection训练coco数据集（继跑通后的一些工具使用）
MMDetection训练自定义COCO格式数据集
珺毅同学的博客
03-18 1720
MMDetection训练自定义COCO格式数据集操作指南
MMDetection实用工具详解（上）：日志分析、结果分析、混淆矩阵
最新发布
Mickey的博客
05-16 2679
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】使用coco数据集训练后结果可视化
热门推荐
qq_41627396的博客
05-15 2万+
1.开始 本文记录使用coco数据集通过mmdetection（v2.11）的cascade-rcnn模型进行训练，将结果可视化的过程 2.可视化代码 目前实现以下代码的可视化(后续不断学习不断更新) LOSS P-R曲线 mAP 以下操作都是在mmdetection根目录下进入到open-mmlab环境中进行的 (1)Loss曲线 work_dirs设置自己模型得到的log.json文件，–out后面是保存的位置以及文件名字，可以保存为jpg/png等格式 python tools/analysi
【mmdetection小目标检测教程】四、修改配置文件，训练专属于你的目标检测模型
weixin_45921929的博客
02-04 5233
【mmdetection小目标检测教程】四、修改配置文件，训练专属于你的目标检测模型
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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