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

基于机器视觉的缺陷检测

参考文章
瑕疵检测(深度学习) 缺陷检测算法汇总(传统深度学习方式)|综述、源码 汇总 | 深度学习实现缺陷检测方法 基于机器视觉的表面缺陷检测存在哪些问题与难点 缺陷检测机器视觉在制造

目标检测:mAP (Mean Average Precision)

什么是mAP呢?这里的m是mean,平均值,所以搞懂AP是什么就行了。
AP即平均精确度。那么目标检测任务中,如何衡量一个模型的平均精确度?
通常来讲有两个指标。
P&