【mmdetection】使用coco数据集训练后结果可视化

一.开始

本文使用的是mmdetection=V2.11的cascade-rcnn、faster-rcnn模型，使用的数据集是coco数据集，记录训练结果可视化的过程。并且记录训练过程中参数含义

二.可视化代码

• 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,
  –key后面可以跟更多参数，但这些参数要在json文件里面有的

python tools/analysis_tools/analyze_logs.py plot_curve ./work_dirs/cascade_rcnn_r50_fpn_1x_coco/20210510_140522.log.json --keys loss --out ./plot_result/1.png

• 输出结果：

2. P-R曲线

• 进行P-R曲线可视化前，需要先使用test.py生成pkl文件
  –out后面可以加路径，不然直接生成再项目根路径下

python tools/test.py configs/cascade_rcnn/cascade_rcnn_r50_fpn_1x_coco.py work_dirs/cascade_rcnn_r50_fpn_1x_coco/latest.pth --out results.pkl

• 在根目录下创建一个PR.py文件，输入以下代码

# =========================================================
# @purpose: plot PR curve by COCO API and mmdet API
# @date：   2020/12
# @version: v1.0
# @author： Xu Huasheng
# @github： https://github.com/xuhuasheng/mmdetection_plot_pr_curve
# =========================================================

import os
import mmcv
import numpy as np
import matplotlib.pyplot as plt

from pycocotools.coco import COCO
from pycocotools.cocoeval import COCOeval

from mmcv import Config
from mmdet.datasets import build_dataset

MODEL = "cascade_rcnn"
MODEL_NAME = "cascade_rcnn_r50_fpn_1x_coco"

CONFIG_FILE = f"configs/{MODEL}/{MODEL_NAME}.py"
RESULT_FILE = f"results.pkl"

def plot_pr_curve(config_file, result_file, metric="bbox"