mmdetection2 输出各类别Ap值

最新推荐文章于 2024-01-26 09:57:52 发布
最新推荐文章于 2024-01-26 09:57:52 发布
阅读量2.9k 收藏 11
点赞数 5
文章标签： python
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/qq_36955294/article/details/116050158
版权

 

找到 "mmdetection/mmdet/datasets/coco.py" 371行

修改classwise=True,

如果想要IOU=0.5的各类AP值，那么请修改355行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

明泽.
关注
  • 5
    点赞
  • 踩
  • 11
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
mmdetection中在cocoapi打印每个类别指标
funky_Lelle的博客
11-18 2093
mmdetection中在cocoapi打印每个类别指标
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 1258
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
1、mmdetection配置
qq_53453329的博客
01-26 747
2\去github上找版本较高的项目,进行重新配置,那样的话,与老师将的版本不一致,有些代码更改的地方,就找不到了。可以使用labelme来进行图片的标注，表完后为json格式，要用脚本将其转换为coco数据集的格式。1\新建一个环境去安装版本较低的配置文件 ==>但是若电脑较新,配置较高就会出现不兼容的问题。可以将运行好的代码重命名后，保存到算法运行的地方，注意不要直接替换。将下载好的预训练模型放到哪里到可以,但是要注意这里需制定好路径信息。算法中不明白的参数,可以查看官网的详解。
MMDetection实验记录踩坑记录
pengxiang1998的博客
09-08 801
因为在此之前已经运行过YOLOX,Faster-RCNN等模型，所以数据集的设置肯定是没有问题的，而博主也只是修改了DAB-DETR的类别参数而已，一想到这，才猛然想起，DETR类模型的类别数还需要加上一类，即背景类，先前在修改参数时，看到原始参数为80，还以为不用加1了呢。MMDetection针对模型在训练过程中意外中断，避免重头训练，设计了断点训练参数 resume，只需要将该参数设置为最后一次训练的权重即可。在实验MMDetection的DAB-DETR模型进行实验时，AP值始终上不去。
mmdection测试时显示coco数据集每个类别ap
FlowerStar314的博客
07-04 2565
需要改动mmdetection/mmdet/datasets/coco.py中的一行代码 # 307行 def evaluate(self, results, metric='bbox', logger=None, jsonfile_prefix=None, # 是否显示每个类别 classwise
mmdetection计算每个类别的AP50
chao_xy的博客
05-04 674
修改mmdet/datasets/coco.py
MMDetection——COCO格式数据集显示单类别AP
阿基美德的博客
07-30 1882
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',
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）
热门推荐
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
mmyolo框架中计算各类别的AP@0.5指标
jiangqixing0728的博客
12-11 1121
本文所用的mmyolo版本:0.3.0首先要知道，mmyolo中在eval和test阶段进行指标计算的时候，对于COCO数据集默认用的就是mAP@0.5:0.95，即不同IoU阈值下的mAP计算，并且没有给出各类别的具体指标，如可以看出，只给了 不同IoU下AP和AR的值，以及最后不同IoU下的mAP，当然也有针对small、medium、large下的指标，这一切都因为这是。而如果我们需要训练我们自己的任务场景，比如，就不需要这些东西，我们需要的是：1.各个类别的AP值。
mmdetection训练SOLOv2修改过的源码
03-19
《mmdetection训练SOLOv2修改过的源码详解》 在深度学习领域，目标检测是至关重要的一环，它能够帮助计算机识别图像中的特定对象。mmdetection是PyTorch框架下的一款开源目标检测库，提供了多种先进的检测算法，如...
MMDetection3D对三维数据进行检测
最新发布
03-28
MMDetection3D是一个基于PyTorch的三维目标检测开源工具包，它针对三维数据中的目标检测任务提供了高效、灵活的解决方案。MMDetection3D支持多种主流的三维检测算法，并提供了丰富的数据集接口和预训练模型，使得...
mmdetection 模型评测指标
03-02
mmdetection的输出结果通常包括不同IoU阈值、不同目标尺寸（small, medium, large）下的AP和AR。例如： - `mAP.5:.95` 是整体的平均精确率，包括所有大小的目标。 - `mAP.5` 是IoU阈值为0.5时的平均精确率。 - `mAP...
mmdetection最新版说明文档.pdf
09-15
MMDetection最新版说明文档.pdf MMDetection是OpenMMLab开源的计算机视觉检测工具包，...通过本文档，可以了解MMDetection的安装、准备环境、模型库、使用MMDetection、与Detectron2的比较和自定义数据集等知识点。
mmdetection代码解析（1）train.py
洪流之源
07-29 8116
#coding=utf-8 from __future__ import division import argparse import os from mmcv import Config from mmdet import __version__ from mmdet.datasets import get_dataset from mmdet.apis import (train_d...
MMDetection系列 | 3. MMDetection自定义模型训练
Clichong
09-11 2452
在去年MLP-Mixer出来之后，出现过一段短时间内的高潮，我也将相关的MLP结构全部的复现了一遍。不过当时苦于只能跑分类数据集，不能简单的将网络结构移植到其他的下游任务，只能作罢。后来了解了MMDetection，这个一个集成的开源目标检测框架。主旨是让我们能够比较方便的测试我们自己设计的结构。不过，缺点就是，框架封装得太多，不好细改，也难以调试。但是优点是替换结构方便。网上关于MMDetection的资料还比较少，这篇博客也算是我踩了比较多的坑多得到的结果。
用商汤的mmdetection 学习目标检测中的 Recalls, Precisions, AP, mAP 算法 Part2
史蒂夫方
08-21 4478
还没看part1 的请移步 用商汤的mmdetection 学习目标检测中的 Recalls, Precisions, AP, mAP 算法 Part1 好的，在part1 中·我们已经求的了TP 以及 FP， 也就是检测出的所有可能（无论是对的还是错的） 我们先整理一下求到的值， 一共是两类 label1 和 label2 人和汽车类 第一类 label 1 ： 人 还记得我们对于第一类总共检测...
MMDetection 入门 | 二
TensorFlowNews
04-21 2515
作者|open-mmlab 编译|Flin 来源|Github 入门 本页提供有关MMDetection用法的基本教程。 有关安装说明,请参阅上一篇的安装文档 。 预训练模型的推论 我们提供测试脚本来评估整个数据集(COCO,PASCAL VOC等)以及一些高级api,以便更轻松地集成到其他项目。 测试数据集 [x]单个GPU测试 [x]多个GPU测试 [x]可视化检测结果 你可以使用以下命令...
mmdetection使用指南
pprp的博客
11-13 6750
主要是目标检测方面的使用记录，mmdetection还有分类网络，分割等功能，但这篇博客主要关注目标检测，之后如果涉及到分割会再开一篇博客进行记录。 1. 安装 mmdetection需要的环境是cuda10.0为基础的环境，对驱动版本也有一定的要求，cuda8.0的我始终没有配通，主要的错误都是跟cuda相关的。 具体安装过程参见：https://blog.csdn.net/DD_PP_JJ...
mmdetection平衡样本类别
08-22
要在mmdetection中平衡样本类别，可以采取以下几种方法： 1. 数据增强：对于样本数量较少的类别，可以采用数据增强技术来增加其样本数量。例如，通过随机裁剪、旋转、缩放等方式生成新的样本。 2. 重采样：对于样本数量不平衡的类别，可以使用重采样方法来平衡样本数量。常见的方法有欠采样和过采样。欠采样是指删除一些多数类别的样本，使得各类别的样本数量相近；过采样是指增加少数类别的样本，使得各类别的样本数量相近。 3. 权重调整：在训练过程中，可以为每个类别分配一个权重，使得样本数量较少的类别在训练中起到更大的作用。这样可以使模型更加关注少数类别，提高其识别能力。 4. 硬负采样：在目标检测任务中，负样本（即非目标区域）通常远远多于正样本（目标区域）。为了平衡负样本数量，可以使用硬负采样技术来筛选出一部分难以分类的负样本，使得正负样本的比例更平衡。 这些方法可以根据具体的数据集和任务来选择和调整，以实现样本类别的平衡。在mmdetection中，可以通过修改配置文件或自定义数据加载器来实现这些平衡方法的应用。

“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 2
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