文章目录[隐藏]

1.下载COCO2017 test-dev数据集

要下载图片test2017/和图片信息文件image_info_test-dev2017.json。

COCO官网：

COCO - Common Objects in Contexthttps://cocodataset.org点进去之后，选择Dataset菜单下的Download

下载链接：2017 Test images [41K/6GB]http://images.cocodataset.org/zips/test2017.zip 2017 Testing Image info [1MB]http://images.cocodataset.org/annotations/image_info_test2017.zip

2.数据集目录结构

解压：image_info_test2017.zip会得到如下目录结构

annotations/

image_info_test2017.json

image_info_test-dev2017.json

在这里，我们使用image_info_test-dev2017.json

mmdetection中默认的COCO数据集目录结构（当然也可以自己更改配置文件中的数据集路径）：

data/coco/

                train2017/

                *.jpg（118287张图片）

                val2017/

                *.jpg（5000张图片）

                test2017/

                *.jpg（40670张图片）

                annotations/

                        instances_train2017.json

                        instances_val2017.json

                        image_info_test-dev2017.json

推荐使用软链接方式，这样可以避免移动下载的数据集。举例如下：

下载的数据集在~/DATASET/coco

在mmdetection/中新建data/coco目录，然后 ln -s ~/DATASET/coco data/coco

3.修改mmdetection中的配置文件

configs/_base_/datasets/coco_detection.py

注意默认的coco数据目录：data_root = 'data/coco/'

将test中的标注和图像路径修改为红色框的内容。

4.测试COCO2017 test-dev并生成json格式的结果文件

我们运行faster rcnn r101跑出的权重存放在：faster_r101_coco/epoch_12.pth

运行：

python tools/test.py configs/faster_rcnn/faster_rcnn_r101_fpn_1x_coco.py faster_r101_coco/epoch_12.pth --format-only --options "jsonfile_prefix=./faster_r101_test-dev"
会得到一个faster_r101_test-dev.json文件，这个就是test2017的测试结果文件。

5.上传COCO服务器评测

选择菜单Evaluate下的Evaluate下的Detection

注意结果文件的命名规范

将faster_r101_test-dev.json更改为detections_test-dev2017_faster-r101_results.json

提交时候要提交压缩文件，压缩为zip文件，detections_test-dev2017_faster-r101_results.zip

在本页面，下滑找到

点击detection server后的链接:

https://competitions.codalab.org/competitions/5181https://competitions.codalab.org/competitions/20796

（注：没有登陆可能需要注册一个账号，注册账号Sign Up，登陆Sign in）

进入detection server后，点击Participate下的test-dev(segm)，然后选择detections_test-dev2017_faster-r101_results.zip上传文件即可。

提交后界面如下：

点击Refresh status更新提交状态。

Submitting --> Submitted --> Running --> Finished

Finished后，刷新页面会显示SCORE

COCO可视化工具

FiftyOne — FiftyOne 0.14.2 documentationhttps://voxel51.com/docs/fiftyone/

FiftyOne is an open-source tool facilitating visualization and access to COCO data resources and serves as an evaluation tool for model analysis on COCO.