yolov3计算map及召回率

一.计算单类精度及mAP

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