yolov3计算map及召回率

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

评论 3
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

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
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