利用cocoapi计算json 预测的map

用yolov4跑了下 coco 的 val2017,想看看map,但是coco2017的json标注又不能直接用,所以先用yolov4的

./darknet detector valid data/coco.data cfg/yolov4.cfg backup/yolov4.weights

生成result.json

然后再用以下脚本计算map

# author: Wu
# modified from: https://blog.csdn.net/qq_40527427/article/details/106166842
# 2022/1/22
# This script is used to evaluate map using gt json and output json in coco format

from pycocotools.coco import COCO
from pycocotools.cocoeval import COCOeval
 
# coco格式的json文件,原始标注数据
anno_file = '/data0/wjh/coco/annotations/instances_val2017.json'
res_path = '/home/wujiahao/yolov4/darknet-master/results/coco_results.json'

coco_gt = COCO(anno_file)
coco_dt = coco_gt.loadRes(res_path)

cocoEval = COCOeval(coco_gt, coco_dt, 'bbox')
cocoEval.evaluate()
cocoEval.accumulate()
cocoEval.summarize()
 
print(cocoEval.stats)

版权声明:本文为CSDN博主「sysu_first_yasuo」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/weixin_44326452/article/details/122645080

sysu_first_yasuo

我还没有学会写个人说明!

暂无评论

发表评论

相关推荐

深度学习在目标检测领域的发展历程综述

深度学习 基础知识和各种网络结构实战 ... 前言 先简要介绍一下目标检测,而面对目标检测,我们总是会提出的两点问题,这个物体是什么?以及它在哪里?而我对它用更确切的话说就是,对目标的定位和分类。目标检测主要做的工作就是这两个。 以2014年