cocoapi评估u版yolo

对ultralytics的yolo系列训练好的模型采用cocoapi评估记录。
代码地址：evaluate-and-plot_score

获取json文件

在已经有instance_val.json的基础上，我们还需要获得yolo模型预测的结果results.json，事实上源代码中有保存results.json的参数选项(–save-json)；
但由于源代码获取image_id的方式(根据图片名字)仅仅适用与coco数据集(或者说是图片名字要和image_id一样的数据集，我觉得这样每次都要修改图片名字，很麻烦)，代码如下：

if save_json:
   # [{"image_id": 42, "category_id": 18, "bbox": [258.15, 41.29, 348.26, 243.78], "score": 0.236}, ...
    image_id = Path(paths[si]).stem

这里要说一下，使用cocoapi评估需要instances_val.json和results.json的image_id能对应上，所以需要修改这里的image_id的选择方式。
为保证和instance.json的image_id一致，我写了一个get_image_id的函数 将image_name与image_id对应起来保存为一个json字典。
代码地址：https://github.com/Laughing-q/evaluate-and-plot_score/blob/master/get_image_id.py
然后就创建了一个image_id文件夹，里面的val_id.json就是保存的image_id的字典，然后将上面的获取方式修改为下方代码，这个coco91class是因为coco数据集只有80类，但是索引到了91，所以这个是一个映射，category_id获取方式也需要修改，:

if save_json:
    # [{"image_id": 42, "category_id": 18, "bbox": [258.15, 41.29, 348.26,