mmdetection生成测试集的测试结果并保存在.json

mmdetection生成测试集的测试结果并保存在.json

原代码测试验证时没有输出检测结果的文件,只能自己手动改一个了。

本来想自己写一个后来发现原来有,方法如下:
在mmdet/apis/test.py文件中single_gpu_test()函数末尾处,增加以下两句:
    coco=CocoDataset('data/coco/annotations/instances_val2017.json',pipeline=[]) #验证集路径
    json_results=coco._det2json(results=results)
    # write output
    filepath = 'faster_bbox_results.json' #文件需要手动建立
    if os.path.exists(filepath):
        os.remove(filepath)
        json.dump(json_results, open(filepath, 'w'), indent=4)

版权声明:本文为CSDN博主「bloomerOAO」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/qq_42744739/article/details/121534817

bloomerOAO

我还没有学会写个人说明!

暂无评论

发表评论

相关推荐

实战深度学习目标检测:RCNN (1)

深度学习目标检测:RCNN 什么是目标检测?目标检测主要是明确从图中看到了什么物体?他们在什么位置。传统的目标检测方法一般分为三个阶段:首先在给定的图像上选择一些候选的区域&#xff0c

YOLOv3 YOLOv4 YOLOv5老鼠识别检测告警

前言 在食品安全众多环节中,后厨安全无疑是重中之重。俗话说“民以食为天,食以安为先”,食材新鲜程度如何、加工过程规不规范、厨具是否经过清洁消毒等问题,备受大家关注。 一、为什么需要AI检

【目标检测】YOLO、SSD、CornerNet原理介绍

目标检测是计算机视觉中比较简单的任务,用来在一张图篇中找到某些特定的物体,目标检测不仅要求我们识别这些物体的种类,同时要求我们标出这些物体的位置。其中类别是离散数据,位置是连续数据。 目