YOLOX测试出现标签不对应

本文介绍了解决YOLOX模型测试时出现标签类别错配的问题。作者发现模型使用了COCO数据集的分类而非自定义数据集的分类。通过修改yolox/data/dataset/coco_classes.py文件中的类别映射解决了该问题。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

在训练完自己的数据集后,想去找一张图片测试一下,结果测试出现的标签类别并不是我数据集的标签,如图

仔细看了看问题出现在demo.py中使用的是COCO数据集的分类,如图

 这就对上了,原因就是我所使用的类别数是coco数据集的,只需要把coco数据集的类别更改为自己的类别就行了,更改位置在yolox/data/dataset/coco_classes.py

File "E:\Environment\Anaconda\envs\yolox\lib\site-packages\yolox-0.3.0-py3.8.egg\yolox\data\datasets\voc.py", line 71, in __call__
    label_idx = self.class_to_ind[name]
                │    │            └ 'buds'
                │    └ {'aeroplane': 0, 'bicycle': 1, 'bird': 2, 'boat': 3, 'bottle': 4, 'bus': 5, 'car': 6, 'cat': 7, 'chair': 8, 'cow': 9, 'dining...
                └ <yolox.data.datasets.voc.AnnotationTransform object at 0x00000279089CD1C0>

当然也可以参考这片博客中的更改方式

### 使用YOLOX模型处理KITTI数据集 #### 数据准备 为了使YOLOX能够有效训练并评估于KITTI数据集上,需先完成数据预处理工作。这包括但限于将原始图像文件及其对应的标注转换成适合YOLOX输入的形式。通常情况下,这意味着要创建包含边界框坐标以及类别标签的文本文件,并确保这些信息遵循YOLO格式的要求[^1]。 #### 配置环境 安装必要的依赖库对于启动项目至关重要。考虑到YOLOX基于MMDetection框架构建,在本地环境中设置好Python虚拟环境之后,应按照官方指南来安装mmdet和其他所需的包。此外,还需下载YOLOX源码仓库,并依据README中的指示配置开发工具链。 ```bash git clone https://github.com/Megvii-BaseDetection/YOLOX.git cd YOLOX pip install -r requirements.txt ``` #### 修改配置文件 针对特定任务调整超参数是提高性能的关键环节之一。打开`configs/yolox_kitti.py`这样的配置脚本(如果存在则新建),根据实际情况修改诸如batch size、learning rate等选项;同时指定路径指向之前整理好的训练/验证集目录结构。值得注意的是,由于KITTI主要关注汽车检测场景,因此可能还需要自定义类别的映射关系以便更好地适配该领域内的物体识别需求[^2]。 #### 开始训练过程 一切就绪后就可以调用train.sh或其他类似的shell命令来进行模型拟合操作了。期间可以监控loss变化趋势以及其他指标的表现情况,以此判断当前设定是否合理有效。当达到预期效果或者经过充分迭代次数以后停止程序运行保存最终版本权重作为后续推理的基础资源。 ```bash python tools/train.py configs/yolox_kitti.py --device 0,1,2,3 ``` #### 测试与部署阶段 利用测试集中未见过的数据样本对已训练完毕后的网络做全面评测,记录下precision/recall/AP等各种统计量用于衡量整体质量水平。最后一步则是考虑如何把得到的最佳checkpoint集成到实际产品线当中去——比如通过ONNX Runtime或者其他轻量化方案实现在边缘设备上的高效预测服务。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值