darknet训练时计算mAP和测试计算mAP

训练时计算相应的mAP值

./darknet detector train cfg/coco.data yolov3.cfg yolov3.conv.137 -map

测试时计算相应的mAP值

To check accuracy mAP@IoU=50: ./darknet detector map data/obj.data yolo-obj.cfg backup\yolo-obj_7000.weights
To check accuracy mAP@IoU=75: ./darknet detector map data/obj.data yolo-obj.cfg backup\yolo-obj_7000.weights -iou_thresh 0.75

测试时计算相应的mAP值,并保存result.txt

./darknet detector map data/obj.data yolo-obj.cfg backup\yolo-obj_7000.weights -dont_show -ext_output < data/train.txt > result.txt

参考:

https://github.com/AlexeyAB/darkneticon-default.png?t=LA92https://github.com/AlexeyAB/darknet

版权声明:本文为CSDN博主「九是否非随机的称呼」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/m0_50617544/article/details/121893879

我还没有学会写个人说明!

暂无评论

发表评论

相关推荐

anchor自适应锚框计算

自适应锚框计算 预定义边框就是一组预设的边框,在训练时,以真实的边框位置相对于预设边框的偏移来构建(也就是我们打下的标签) 训练样本。 这就相当于,预设边框先大致在可能的