芒果YOLOv8改进47：写作篇：新增YOLOv8实验对比COCOmAP指标，即插即用，输出自定义数据集中small、medium、large大中小目标的mAP值，适用于自定义数据集（内附源代码）

已于 2024-06-08 21:02:24 修改
阅读量3.1k 收藏 15
点赞数 7
分类专栏： 芒果YOLOv8原创改进 文章标签： YOLO 目标检测 深度学习
于 2023-12-20 10:03:35 首次发布
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_38668236/article/details/135100695
版权
博客介绍了如何在YOLOv8中新增输出自定义数据集中小、中、大型目标的mAP值，通过对比实测提升实验数据丰富度，代码更新详细说明，并提供了相关资源和交流方式。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

💡本篇内容：输出COCO指标大中小目标的mAP值，基本对齐YOLOv8自带mAP计算的精度，丰富实验数据

💡🚀🚀🚀内含·改进源代码·，按步骤操作运行改进后的代码即可

💡更方便的统计更多实验数据，方便写作，专栏读者可以私信博主加·YOLOv8改进创新点高阶群·
💡mAP精度基本对齐，相差很小，让实验对比更丰富｜适用：任何自定义数据集

YOLOv8对比实测自定义数据集精度 输出 《大L 中M 小S》 目标mAP

输出类似COCO数据集的指标
请添加图片描述

文章目录

完善后（YOLOv8新增输出数据集中 small、medium、large 大中小目标的mAP值）

了解本专栏 订阅专栏 解锁全文
基于YOLOv8的训练损失与mAP可视化分析——多实验结果对比绘图方法研究
面向AI前沿技术的深度解析平台，覆盖基础理论、算法优化及产业应用全链路
04-05 1065
本文从深度学习模型训练的底层机制出发，深入探讨了YOLOv8训练损失与mAP的数学基础及其影响因素，并提出了多实验结果对比绘图方法。该方法可直观展示不同实验的训练动态与性能表现。案例分析验证了其在模型调优与性能评估中的有效性。
YOLOv11计算COCO指标和TIDE指标，小目标检测必备，更全面的评估和指导模型性能，包含完整步骤和代码
Limiiiing的博客
02-22 1273
COCO指标能够直观了解模型在目标时的效果；TIDE指标专注于对进行分类和分析，从揭示模型的性能问题，使模型评估更加全面和深入（本文提供了完整的实现代码和配置步骤）。例如，论文中COCO的指标内容展示：论文中TIDE。
使用YOLOV8训练自己的数据集，获取更详细的map指标，map-small,map-medium,map-large等
cyy666999的博客
06-29 639
直接上图。
YOLOv8在COCO数据集上的性能指标全解析
10-03
YOLOv8作为目标检测领域的最新进展，其在COCO数据集上的性能指标受到了广泛关注。COCO数据集（Common Objects in Context）是一个大规模的目标检测、分割和描述数据集，它包含了330K张图像，涵盖了80个目标类别，是评估目标检测模型性能的重要基准。 YOLOv8在COCO数据集上的性能指标显示了其在目标检测领域的领先地位。它不仅在精度上有所提升，而且在推理速度和模型复杂度上也进行了优化。这些特性使得YOLOv8成为了工业界和学术界在目标检测任务中的一个有力工具。随着技术的不断发展，YOLOv8的性能还有进一步提升的空间，值得我们持续关注和研究。
YOLOv8自用数据集输出COCO评价指标（包含大中小物体的AP值）解决AssertionError: Results do not correspond to current coco set问题
weixin_46170504的博客
03-08 4575
只需修改之前json文件与修改后新生成json文件的路径即可 通过两个文件（分别对应之前的两个json文件与新生成的统一格式的json文件） 运行这两个python文件，最后在get_coco_metrics.py文件中将两个json文件的路径修改为调整后的json文件路径，运行get_coco_metric.py文件，成功输出coco评价指标！若为imageid不匹配则可新建两个python文件分别将两个json文件的image_id调为相同的格式 ，image_id.py文件内容如下。
YOLOv5改进之输出COCOmAP指标：输出自定义数据集中small、medium、large大中小目标的mAP值，适用于自定义数据集，精度基本对齐，丰富实验数据，便于对比
包括YOLOv5、YOLOv7、YOLOv8等模型改进
03-08 6635
代码实践｜基本对齐YOLO自带mAP计算的精度，打印自定义数据集中small、medium、large大中小目标的mAP值，丰富实验数据，便于对比
YOLOv8如何输出COCO指标
毕竟是Shy哥
12-02 4465
3、将自己的YOLO格式数据集和标签转化为json格式,类别也需要改一下，下面只需要修改图片路径和你的标签路径就行，然后保存路径也可以改改。2、再正常python val --各种参数 --save_json=True，这一步的作用是要生成自己模型预测的json文件。4、修改你自己的数据集json文件和预测的json文件，就可以输出了。1、先正常python train 一个模型。5、生成结果图，实测可行。
芒果YOLOv7改进49：提升篇：输出COCOmAP指标：输出自定义数据集中small、medium、large大中小目标的mAP值S，M，L指标，适用于自定义数据集
包括YOLOv5、YOLOv7、YOLOv8等模型改进
11-02 1274
YOLOv7代码实践｜基本对齐YOLO自带mAP计算的精度，打印自定义数据集中small、medium、large大中小目标的mAP值
YOLOv8使用COCO评价指标，解决AssertionError: Results do not correspond to current coco set.
方温热的博客
06-06 2566
YOLO评测指标和COCO评测指标还是有些区别的，通过数据表明YOLO评测指标要比COCO评测指标高2,3个点都是正常的。跟着流程走吧！！
“自定义数据集的目标检测精度评估方法——针对大中小目标的mAP值计算“
带你成为别人眼中的大佬！
06-05 711
本文介绍了一种针对大中小目标的mAP值计算方法，可以应用于自定义数据集的目标检测任务中。通过该方法，可以很好地评估模型在各个类别上的性能表现，并且能够提供丰富的实验数据，便于进行对比分析。
芒果YOLOv10改进49：写作篇：新增YOLOv10实验对比COCOmAP指标，即插即用，输出自定义数据集中small、medium、large大中小目标的mAP值，适用于自定义数据集（内附源代码）
包括YOLOv5、YOLOv7、YOLOv8等模型改进
06-11 256
YOLOv10改进：写作篇：新增YOLOv10实验对比COCOmAP指标，即插即用，输出自定义数据集中small、medium、large大中小目标的mAP值，适用于自定义数据集（内附源代码）
芒果YOLOv12改进65：写作篇：新增YOLOv12实验对比COCOmAP指标，即插即用，输出自定义数据集中small、medium、large大中小目标的mAP值，适用于自定义数据集（内附源代码）
最新发布
包括YOLOv5、YOLOv7、YOLOv8等模型改进
04-12 84
芒果YOLOv12改进65：写作篇：新增YOLOv12实验对比COCOmAP指标，即插即用，输出自定义数据集中small、medium、large大中小目标的mAP值，适用于自定义数据集（内附源代码）
芒果YOLO11改进65：写作篇：新增YOLO11实验对比COCOmAP指标，即插即用，输出自定义数据集中small、medium、large大中小目标的mAP值，适用于自定义数据集（内附源代码）
包括YOLOv5、YOLOv7、YOLOv8等模型改进
11-07 265
输出类似COCO数据集的mls指标，新增YOLO11实验对比COCOmAP指标，即插即用，输出自定义数据集中small、medium、large大中小目标的mAP值，适用于自定义数据集（内附源代码）
YOLOv10计算COCO指标和TIDE指标，小目标检测必备，更全面的评估和指导模型性能，包含完整步骤和代码
Limiiiing的博客
03-15 114
COCO指标能够直观了解模型在目标时的效果；TIDE指标专注于对进行分类和分析，从揭示模型的性能问题，使模型评估更加全面和深入（本文提供了完整的实现代码和配置步骤）。例如，论文中COCO的指标内容展示：论文中TIDE。
使用yolov10跑coco数据集
m0_58272336的博客
08-07 2844
=在instances_train2017.json文件进行脚本转化的过程中，时间可能比较长，笔者当时转化了足足8h,原因可能是该脚本存在频繁的读写以及json较大的原因（448MB），而instances_val2017.json对应的json脚本耗时很小 ==其中device表示所使用的GPU的数量，这里填的0表示单块GPU进行训练，epochs表示训练的轮数，若是显存不够用可以尝试减小batch，imgsz为图片大小，yolov10后面跟的字母表示模型的大小，具体可以看GitHub。
YOLOv7输出大中小目标的AP值
小嘤熊的博客
11-14 919
会不定期发布相关设计内容包括但不限于如下内容:信号处理、通信仿真、算法设计、matlab appdesigner，gui设计、simulink仿真......希望能帮到你！①新建一个python文件，命名为“yolotococo”，放入下面代码，运行后会生成一个“instances_val2017.json”文件。如有需要请接着往下看！注意：需要将--save-json命令设置成True,不然json文件是没调用的。②在test.py中，找到save_json，如果你想要进一步了解更多的相关知识，
YOLOv8使用pycocotools进行评估
qq_44992785的博客
05-10 3772
yolov8使用pycocotools进行评估
Yolov8引入CVPR InternImage：创新机制提升涨点效果，COCO记录新高mAP！
QvisCs的博客
09-14 238
通过引入CVPR InternImage，Yolov8能够从图像的全局特征和上下文信息中获取更多的信息，提升了目标检测的准确性。计算机视觉领域的研究一直在不断进步，为了提升目标检测算法的性能，Yolov8团队引入了CVPR InternImage这一创新机制，并扩展了DCNv3，取得了令人瞩目的涨点效果。计算机视觉领域的研究一直在不断进步，为了提升目标检测算法的性能，Yolov8团队引入了CVPR InternImage这一创新机制，并扩展了DCNv3，取得了令人瞩目的涨点效果。
涨点技巧：基于Yolov8的微小目标检测，多头检测头提升小目标检测精度
04-24 6535
添加一个微小物体的检测头，提升yolov8检测性能
yolov8计算map
09-03
YOLOv8可以使用COCO数据集的指标来计算mAP值。这个方法可以输出大、中和小目标的mAP值，并且与YOLOv7、YOLOv5自带的mAP计算精度基本对齐。通过改进后的源代码，你可以运行代码并得到mAP值，进而方便地进行实验对比和写作。具体实现步骤可以参考相关的文章或者教程。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [darknet yolov3 mAP 计算python3代码](https://download.csdn.net/download/qq_32595487/12881899)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* *3* [YOLOv7｜v5｜v8改进之输出COCOmAP指标：输出自定义数据集中small、medium、large大中小目标的mAP值，适用于...](https://blog.csdn.net/qq_38668236/article/details/129407525)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论
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

打赏作者

芒果学AI

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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