[MMDetection]测试模型

以下是基于MMdetection3.10版本

1、简单测试模型

测试模型一般使用tools中的test.py，一般使用方式

python tools/test.py config文件路径 权重文件路径

可以通过--show 来以gui展示检测结果

 python tools/test.py config文件路径 权重文件路径 --show

可以通过--show-dir 来指定结果保存的文件夹 

 python tools/test.py config文件路径 权重文件路径 --show-dir 文件保存路径

 或者可以通过修改config文件来测试模型并保存结果。

以上保存与展示的结果是由Ground Truth和预测结果拼接而成的，左边为Ground Truth，右边为预测结果。

2、测试模型的高阶操作

2.1、测试模型的单类精度（AP）

在配置文件中添加

eval_evaluator = dict(classwise = True)

test_evaluator = dict(classwise = True)

python tools/test.py config文件路径 权重文件路径

 或者找到继承文件中的test_evaluator，在里面添加class_wise = True

 2.2 指定IOU阈值

1、直接找到配置文件中的以下地方修改

2、或者直接在配置文件中model部分添加以下内容

 结果：

IOU=0.65

 IOU=0.5

 2.3 绘制loss曲线

loss数据一般保存在训练文件夹的vis_data中的scalars.json文件中，如以下路径

work_dirs\rtmdet_tiny_8xb32-300e_coco\20230708_135503\vis_data\scalars.json

绘制loss曲线时，需要用到tools\analysis_tools\analyze_logs.py

例如 绘制分类损失

python tools\analysis_tools\analyze_logs.py plot_curve work_dirs\rtmdet_tiny_8xb32-300e_coco\20230708_135503\vis_data\scalars.json --keys loss_cls --legend loss_cls 

 同时绘制分类损失和回归损失，同时还可以指定--out losses.pdf，将结果保存为PDF文档。

python tools\analysis_tools\analyze_logs.py plot_curve work_dirs\rtmdet_tiny_8xb32-300e_coco\20230708_135503\vis_data\scalars.json --keys loss_cls  loss_bbox --legend loss_cls loss_bbox