YOLOv8使用pycocotools进行评估

最新推荐文章于 2025-03-28 23:00:28 发布

一方热衷.

最新推荐文章于 2025-03-28 23:00:28 发布

阅读量3.6k

点赞数 2

文章标签： YOLO

本文链接：https://blog.csdn.net/qq_44992785/article/details/130592970

版权

文章讲述了YOLOv8模型在COCO数据集上的评估问题，发现官方评估结果与pycocotools计算的不同。为了解决这个问题，作者提供了更新pycocotools的方法，包括在Linux环境下安装和修改val.py文件以适应COCO的标签范围。通过这些步骤，可以正确地使用pycocotools进行模型评估。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

随着YOLOv8的到来，相信各位伙伴已经开始对v8进行魔改了，但是v8的评估代码在COCO数据集上与pycocotools有一定差距，如果使用官方的yolov8s.pt进行验证v8的评估体系给出的评估结果仅为44.7AP但是官方给出的结果是44.9，于是在github上问了一下，作者说结果是在pycocotools上进行评估的。

而且这里是看不到AP75 sml这些指标的，于是探索了一下v8里如何用pycocotools进行评估:

首先v8要求pycocotools版本大于>2.0.6

linux如何安装？

一个稳妥linux安装的方式：

pycocotools官网

去官网下载离线安装包然后解压到目录下

linux解压命令tar -xzf all.tar.gz

解压后cd到该目录执行命令：

python3 setup.py build
python3 setup.py install
执行这里的时候可能报错：

gcc: error: pycocotools/_mask.c:

解决方案：

pip install cython

验证方式我使用的是python脚本方式：

from ultralytics import YOLO

# Load a model
model = YOLO('yolov8s.pt')  # load an official model
# Validate the model
metrics = model.val(data='ultralytics/datasets/coco.yaml', iou=0.7, conf=0.001, half=False, device=0,save_json=True)

关键点在于save_json=True，因为pycocotools需要用json进行评估，这里官方给了生成json文件的方式，但是需要注意的是这里需要进行一下改动：