yolov3计算map及召回率

最新推荐文章于 2025-05-19 20:42:05 发布
原创 最新推荐文章于 2025-05-19 20:42:05 发布 · 7.8k 阅读 · 16 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#yolo

本文详细介绍了如何使用YOLOv3模型计算单类精度（mAP）和召回率。首先，通过darknet进行批处理测试并输出检测结果，然后利用py-faster-rcnn的voc_eval.py计算mAP。对于召回率的计算，需修改darknet源码并重新编译，确保正确指定训练集路径。

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

一.计算单类精度及mAP

在这里插入图片描述

1.批处理测试图输出检测结果文本

./darknet detector valid cfg/voc.data cfg/yolov3-voc.cfg results/yolov3-voc_final.weights -out detect_result.txt

使用detector valid参数，具体函数是detector.c下的validate_detector函数。将训练集的检测结果保存到detect_result.txt。

其中thresh在validate_detector中默认为0.005，按需修改。

修改txt文件名为检测的类别名，我的标签是weeds，即weeds.txt

2.使用py-faster-rcnn下的voc_eval.py计算mAP

将py-faster-rcnn/lib/datasets/voc_eval.py拷贝到darknet根目录

新建compute_mAP.py

from voc_eval import voc_eval
print voc_eval(’/xxx/darknet/results/{}.txt’, ‘/xxx/darknet/scripts/VOCdevkit/VOC2007/Annotations/{}.xml’, ‘/xxx/darknet/scripts/VOCdevkit/VOC2007/ImageSets/Main/test.txt

最低0.47元/天 解锁文章

200万优质内容无限畅学
YOLOv11训练中精准率召回率与mAP@0.5的动态变化分析
面向AI前沿技术的深度解析平台，覆盖基础理论、算法优化及产业应用全链路
04-09 1415
本文介绍了目标检测模型训练过程中生成的 results.csv 文件的结构及其应用。该文件记录了每个训练轮次的关键性能指标（如精准率、召回率、mAP@0.5 、mAP@0.5 :0.95）和损失值（如定位损失、分类损失等），为模型性能分析提供了数据基础。通过加载和解析 results.csv 文件，可以绘制性能指标与损失随训练轮次的变化曲线，直观展示模型的收敛速度和最终精度。此外，支持多文件数据对比功能，能够有效评估不同算法或模型改进策略的效果。
YOLOv3训练自己的数据、批量测试、测试召回率步骤总结
奔跑的小仙女
05-28 8378
系统：ubuntu16.04.5 查看命令：cat /etc/issue GPU：RTX 2070 查看命令：nvidia-smi python：2.7.15 查看命令：python opencv:3.4.0 查看命令：pkg-config --modversion opencv CUDA Version：8.0.61 查看命令：cat /usr/local/cuda/...
YOLOv3 mAP计算教程
热门推荐
阿木寺的博客
08-10 3万+
前言 本文只介绍如何利用YOLOv3训练好的model来计算VOC数据集的mAP。 举一反三，很容易理解如何利用自己训练的model来计算自己的数据集的mAP。 1 运行detector valid命令，进行测试 ./darknet detector valid cfg/voc.data cfg/yolov3-voc.cfg backup/VOC/yolov3-voc_final.we...
YOLOV3计算map（keras）
weixin_42990953的博客
03-29 3638
小白参考了几位大佬的博客，记录一下防止忘了，然后自己进行了相应修改，实现计算VOC格式数据集测试集map或者自定义测试集两种功能。 前言 1.MAP相关概念 https://blog.youkuaiyun.com/plSong_优快云/article/details/89459175 2.MAP计算源码地址：https://github.com/Cartucho/mAP MAP计算 参考博客https://...
深度学习视觉应用：目标检测与YOLO算法浅析
最新发布
m0_62899004的博客
05-19 584
MNIST：手写数字识别的经典入门数据集，包含60000张训练图片和10000张测试图片，每张图片大小为28×28像素，涵盖0-9共10个类别。：作为MNIST的升级版，提供70000张商品图片，分为10个类别，与MNIST具有相同的尺寸和格式，适合测试机器学习算法性能。CIFAR-10：包含60000张32×32彩色图像，分为飞机、汽车等10个类别，是图像分类和检测的常用数据集。PASCAL VOC。
yolov3 map、recall、p-r曲线可视化超详细
01-20
1 、运行darknet官方代码中的detector valid指令，生成对测试集的检测结果。 .\darknet detector valid -out “” 其中voc.data和cfg文件就是你当时训练用的配置文件，weights文件就是你训练出来的结果，其中需要修改的是voc.data文件，其中应该是有五行的，其中第三行是valid就是需要验证测试集的路径。 2、执行完之后应该会在程序的当前目录生成一个results文件夹，里面存有检测结果，文件名为comp4_det_test_.txt，画风如下所示。 txt中数据格式为: 文件名 置信度 x y w h。 3、下载检测用脚本
深度学习系列之YOLOv3 mAP计算
LeeWanzhi的博客
03-25 1万+
今天跑了以下YOLOv2，发现竟然没有计算mAP的，这样怎么和其他模型对比呢？ 于是乎，百度了一下，折腾了好几下，我发现，有些人不知道是不是故意的，竟给别人出馊主意。方法绕来绕去(虽然也能计算，但让人觉得不知所云)。我竟无言以对。 幸好，有一篇比较良心：我的参考文献，本文也只是对这篇博客更细致的解释。 为了避免大家踩坑，觉得写一篇这个很有必要。 一、生成检测结果文件 ./dark...
YOLOv3计算模型的mAP
Sagacity_1125的博客
12-11 1918
一、先测试一下大神的数据，在这里下载： https://github.com/Cartucho/mAP 1. 解压之后如下图所示： input文件夹里面放的是测试集的ground-truth、模型的测试结果、和测试集 scripts文件夹里面放的是一下制作input文件夹中一些 .txt文件需要用到的脚本文件，可以自行选择使用。 2. 运行main.py文件，上图中会自动创建一个名为r...
darknet yolov3 mAP 计算python3代码
09-23
1. **mAP（Mean Average Precision）**：mAP是衡量目标检测算法性能的重要指标，它综合了检测器的精确度和召回率。在计算机视觉任务中，mAP越高，表示模型在检测各种大小和形状的目标时的平均表现越好。 2. **YOLOv...
Darket yolov3 MAP计算
weixin_44769034的博客
03-27 3687
mAP计算代码链接： https://github.com/Cartucho/mAP 在\mAP-master\input目录下有三个文件夹，如图。我们需将每个文件夹下的文件替换为自己的数据集所对应的文件。 1.detection-results文件夹 此文件夹下存放yolov3测试所生成的文本文件。 1.1测试命令及结果文件 darknet.exe detector valid data/train5bottle.data yolov3-bottle.cfg backup/yolov3-bottle_l
使用Python实现YOLOv3与mAP计算
计算mAP的过程涉及以下几个关键步骤： 1. 首先，我们需要为测试集中的每个图像生成预测结果。 2. 然后，我们需要对每个类别的预测进行排序，通常根据置信度从高到低。 3. 之后，对于每个类别，我们会计算精确度...
9.YOLO_v3求出map精度.zip--深度学习文章9
06-04
--Tensorflow+SSD+Yolo（目标检测）文章9.YOLO_v3求出map精度 该资源是本篇文章的操作步骤以及参考帖子的截图，以防参考帖子失效。
yolov3 map 计算
qq_40297851的博客
06-28 1460
1.代码 作者原版 git clone https://github.com/pjreddie/darknet.git 本文的代码包： 链接: https://pan.baidu.com/s/1O6YCyJLKXH9MrqnLAYmlug 提取码: dj4g 2.生成测试结果 2.1 修改data文件 我这里把所有数据都训练了，为了统计训练的map，所以valid 的路径也放的是train路径 train.txt 内容 2.2 测试命令及结果文件 命令 # 对应调整 ...
yolov3计算mAP，十分简单！
低吟浅笑
03-28 2427
本文只是将大家讲的计算mAP步骤总结一下，方便自己下次学习总结。 1.对测试集生成检测结果文件： ./darknet detector valid cfg/voc.data cfg/yolov3-voc.cfg backup/VOC/yolov3-voc_final.weights -out "" -gpu 0 -thresh .5 ./darknet detector valid ...
YOLO v3
weixin_36670529的博客
12-12 1418
作者在YOLOv2的基础上进行了改进，分辨率为320x320的YOLOv3能在22ms下mAP达到28.2，并且达到了和SSD同样的精度。主要改动为bounding box预测、分类预测、特征提取并加入了多尺度。 1.bounding box预测 和v2版的YOLO 9000一样，在v3版中使用维度聚类预测bounding box作为anchor box。网络对每个bounding box预测...
YOLOv3计算各类的AP及MAP
小童的博客
08-10 6534
首先需要对测试集做批量测试，即需要将每个测试图像输入到模型中，得到测试结果。然后统计测试结果； 本文用的事darknet中valid接口函数，这里valid可以作为训练时候，使用验证集检测模型训练情况，这里使用valid对训练好的模型做测试；（即用来批量统计输入测试图像经过模型得到的结果） 看下源码detector.c中run_detector函数中valid接口用法 具体用法： ...
YOLOv3计算recall和mAP
sihaiyinan的博客
02-24 6358
yolov3计算mAP有两种方法，第一种是使用faster rcnn中的voc_eval.py进行计算，另一种是通过修改yolov3中的代码进行计算。相比较而言第一种方法简单一些。 方法一：使用voc_eval.py进行计算 在yolov3中运行vaild命令进行测试。vaild命令执行的代码如下 void validate_detector(char *datacfg, char *cf...
论文翻译—YOLOv3
FlyDremever
12-04 861
YOLOv3: An Incremental Improvement Abstract   我们向YOLO提供一些更新！我们做了一些小的设计和更改以使其更好。我们还训练了相当庞大的新网络。比上次要大一点，但更准确。不过速度还是很快的，请放心。在320×320的速度下，YOLOv3以28.2mAP的速度在22 ms内运行，与SSD一样精确，但速度快了三倍。当我们查看 0.5 IOU mAP检测指标,YOLOv3是相当不错的。在Titan X上，它在51毫秒内可达到57.9 AP50AP_{50}AP50​，
yolo系列之yolo v3【深度解析】——讲的挺好，原作者厉害的
Arthur_Holmes的博客
10-14 2137
版权申明：转载和引用图片，都必须经过书面同意。获得留言同意即可 本文使用图片多为本人所画，需要高清图片可以留言联系我，先点赞后取图 这...
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

evil_xue

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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