mmdetection如何计算准确率、召回率、F1值

已于 2024-03-10 14:19:37 修改
阅读量1.7k 收藏 24
点赞数 18
分类专栏： 经验类 文章标签： mmdetection计算F1 mmdetdction
于 2024-03-10 12:53:31 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/weixin_43722052/article/details/136598864
版权
本文介绍了使用Python脚本对FCOS(FullyConvolutionalOneStageObjectDetection)模型进行训练，测试过程中加入`--out=result.pkl`参数以计算精度和召回率，并在`confusion_matrix.py`中计算并展示了各项指标如精确度、召回率和F1分数。
摘要由CSDN通过智能技术生成

1、训练

python tools/train.py configs/fcos/fcosrdweed3.py

2、测试
这一步要加–out=result.pkl，才能计算准确率和召回率

python tools/test.py configs/fcos/fcosrddweed3.py work_dirs/fcosrddweed3/epoch_300.pth --out=resultfcos.pkl

3、计算准确率和召回率
在tools/analysis_tools/confusion_matrix.py代码下面加上：

	TP = np.diag(confusion_matrix)
    FP = np.sum(confusion_matrix, axis=0) - TP
    FN = np.sum(confusion_matrix, axis=1) - TP

    precision = TP / (TP + FP)
    recall = TP / (TP + FN)
    average_precision = np.mean(precision)
    average_recall = np.mean(recall)
    f1 = 2 * (average_precision * average_recall) / (average_precision + average_recall)
    #print("AP ", average_precision)
    #print("AR", average_recall)
    #print("F1", f1)
    print("P",precision)
    print("R",recall)

在这里插入图片描述

运行：

python tools/analysis_tools/confusion_matrix.py configs/fcos/fcosrddweed3.py resultfcos.pkl  ./

拿下：
在这里插入图片描述

毕竟是shy哥
关注
  • 18
    点赞
  • 踩
  • 24
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 12
    评论
专栏目录
mmdetection 模型评测指标
03-02
1. mmdet 默认使用的是coco格式的数据集，算法训练模型也是使用的coco格式训练数据； 2. 评测指标同样使用COCO数据集的评测指标，指标如下： 3. 算法评测参数： bbox  —— 目标检测框 segm —— 目标分割结果 4.  模型的判断标准有AP（平均精确率） 和AR（平均召回率） 两大类，在机械臂项目中，主要依据AP 来进行评测。 MAP  ——   mean Average Precision, 即各类别AP的平均值 AP50  ——  IOU 阈值设置成0.5时的AP值，也可协作mAP.5 mAP.5:.95 ——  mAP@[.5:.95](mAP@[.5,.95]) 表示在阈值区间 [0.5, 0.95]，步长为0.5的平均mAP 。IoU thresholds, from 0.5 to 0.95, step 0.05 (0.5, 0.55, 0.6, 0.65, 0.7, 0.75, 0.8, 0.85, 0.9, 0.9
MMDetection评价标准mAP,Precision,Recall,FPS,FLOPs
珺毅同学的博客
03-19 2586
利用MMDetection已训练出来的权重，分析目标检测各项重要评价指标，mAP，Precision，Recall，FPS，FLOPs
mmdetection 测试时获取precision指标
freshman_qaq的博客
03-14 5349
运行tool/test.py时，会调用mmdet/datasets/voc.py中的evaluate()函数计算AP值，而evaluate()又是调用mmdet/core/evalution/mean_ap.py中的eval_map()函数获取AP值。其实这个函数eval_map()也可以得到Recall和Precision，只是mmdetection的代码中没有这样处理。 先看一下eval_map()返回的内容： mean_ap就是MAP值，另一个eval_results是一个存储字典的列表，存.
MMDetection评价标准Precision,Recall
最新发布
2302_78112970的博客
06-17 1169
python tools/test.py '模型配置文件的路径，在config文件夹中的对应的模型的py文件' '训练好的权重路径，.pth文件的路径' '.pkl文件保存路径，例：results/faster-rcnn/faster-rcnn.pkl'这里的precision和recall跟yolo中的一样，都是根据绘制的混淆矩阵进行计算求得的。首先使用我们训练好的模型进行测试并生成.pkl文件，这个文件是关键，通过运行以下命令（修改引号中对应的三个参数，运行时不带引号），运行后找到生成的pkl文件。
[MMDetection]绘制PR图
一只大憨憨的博客
07-11 1649
[MMDetection]绘制PR图
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 1277
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
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 4481
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-coco-实现单个图像的Recall和Precision计算(Recall是想找出漏检了哪些badcase,Precision是误检了哪些)
baidu_40840693的博客
01-13 6350
目标检测的评价指标（TP、TN、FP、FN、Precision、Recall、IoU、mIoU、AP、mAP） https://www.cnblogs.com/geoffreygao/p/14095701.html 目标检测的评价指标（TP、TN、FP、FN、Precision、Recall、IoU、mIoU、AP、mAP） https://blog.csdn.net/xinyanh/article/details/102733730 mmdetection_inference.py temp_b
mmdetection中在cocoapi打印每个类别指标
funky_Lelle的博客
11-18 2105
mmdetection中在cocoapi打印每个类别指标
MMDetection3D对三维数据进行检测
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'document.pdf
01-13
MMDetection'document
mmdetection最新版说明文档.pdf
09-15
* 可以选择在CPU或GPU上安装MMDetection，以满足不同的计算需求。 准备环境 * 在安装MMDetection之前，需要准备好环境，包括安装PyTorch、Python和其他依赖项。 * 需要安装所需的依赖项，例如OpenCV、numpy等。 ...
mmdetection修改backnone
03-26
在MMDetection中我们知道，各种文件都是通过配置来进行构建。由于我使用了新的数据集，也替换了新的网路结构，所以我新建了一个新的配置文件，名称为：detr_spinmlp_8x8_150e_mask.py 将原本是resnet的替换为我设计...
mmdetection源码注释
01-17
商汤科技（2018 COCO 目标检测挑战赛冠军）和香港中文大学最近开源了一个基于Pytorch实现的深度学习目标检测工具箱mmdetection，支持Faster-RCNN，Mask-RCNN，Fast-RCNN等主流的目标检测框架，后续会加入Cascade-...
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
用商汤的mmdetection 学习目标检测中的 Recalls, Precisions, AP, mAP 算法 Part1
史蒂夫方
08-20 9480
学习目标检测一定少不了的评测方式， 就是透过recalls, precisions, 来计算出类别的AP， 以及最后所有AP的平均值 mAP（mean Average Precision) 也就是我们最关心的数值 这边先简单的了解一下confusion matrix， 也就是所谓的混肴矩阵， 我个人不觉得这是一个很好的翻译， 最好记得英文就行， 在分类任务中这是一个非常重要的评测指标 下图是一个基...
mmdetection3改进cocoapi评估指标
记录些个人学习过程的代码实现以及解决方案
02-02 1781
在训练自己的模型时，正常情况下只能打印评估指标，形式如下开启打印每一类的评估数据时，仅仅只能打印mAP的值修改后如下可以打印真实的平均准确率(Precision)、召回率(Recall)、mAP注:下图的mAP_50_95即是上图的mAP值实验环境 修改步骤 项目最终目录1.粘贴工具包中的至下，其代码如下，新建将下面代码粘贴即可 2.新建自己的，命名为,路径: 3.修改路径下的，主要是修改导包处改为修改后代码如下 4.修改文件 5.中开启测试打印 完整效果 运行时输出如下
多标签图像检测求精确率，召回率，AP，mAP
不积跬步无以至千里
01-17 3140
首先我有一个文件夹，里面包含两百多张已经用labelImg标注好的图片，每个图片对应一个xml文件。这些图片中可能会包含五种标签。 现需要利用mmdetection计算每种标签的精确率(precision)，召回率(recall)，AP，和这个模型的mAP。并且将检测结果写成xml，且该xml可被labelimg识别。 网上大多讨论的是二分类的做法，当下的问题相当于五类，说一下我的思路。 对...
mmdetection训练学习率
08-12
在mmdetection中，有两种设置学习率的方法。第一种方法是在训练命令后面添加参数--auto-scale-lr。这种方法会根据训练的规模自动调整学习率。第二种方法则是根据使用的GPU数量和每个GPU的图像数量来设置学习率。具体地，当使用8个GPU且每个GPU处理2个图像时，学习率为0.02；当使用4个GPU且每个GPU处理2个图像时，学习率为0.01；当使用2个GPU且每个GPU处理2个图像时，学习率为0.005；当使用1个GPU且每个GPU处理2个图像时，学习率为0.0025。 在训练过程中，还可以通过train.py的参数来调整学习率。例如，--work-dir参数用于指定训练保存模型和日志的路径，--resume-from参数用于从预训练模型checkpoint中恢复训练，--no-validate参数用于在训练期间不评估checkpoint，--gpus参数用于指定训练使用的GPU数量，--gpu-ids参数用于指定使用哪一块GPU，--seed参数用于设置随机种子，--deterministic参数用于是否为CUDNN后端设置确定性选项，--options参数用于指定其他参数的字典，--launcher参数用于指定作业启动器，--local_rank参数用于指定LOCAL_RANK，--autoscale-lr参数用于根据测试数量自动缩放学习率。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *3* [MMDetection实战：MMDetection训练与测试](https://blog.csdn.net/hhhhhhhhhhwwwwwwwwww/article/details/124647370)[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^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 50%"] - *2* [【mmdetection】mmdetection学习率设置](https://blog.csdn.net/wxd1233/article/details/123128276)[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^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“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 12
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

毕竟是shy哥

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