YOLOv9训练损失、精度、mAP绘图功能 | 支持多结果对比，多结果绘在一个图片（消融实验、科研必备）

Snu77

于 2024-04-24 20:28:27 发布

阅读量2.6k

点赞数 10

CC 4.0 BY-SA版权

分类专栏： YOLOv9有效涨点专栏文章标签： python 深度学习计算机视觉人工智能 YOLO 神经网络 yolov9

本文链接：https://blog.youkuaiyun.com/java1314777/article/details/138168848

YOLOv9有效涨点专栏专栏收录该内容

67 篇文章 ¥159.90 ¥299.90

订阅专栏

本文介绍了一个用于YOLOv9系列的训练损失和mAP对比图绘制工具，支持多结果在同一图像上对比，方便进行实验分析和论文展示。提供了核心代码和简单使用教程，旨在实现数据可视化，帮助研究人员便捷地比较不同训练实验的效果。

一、本文介绍

本文给大家带来的是YOLOv9系列的绘图功能，我将向大家介绍YOLO系列的绘图功能。我们在进行实验时，经常需要比较多个结果，针对这一问题，我写了点代码来解决这个问题，它可以根据训练结果绘制损失(loss)和mAP（平均精度均值）的对比图。这个工具不仅支持多个文件的对比分析，还允许大家在现有代码的基础上进行修，从而达到数据可视化的功能，大家也可以将对比图放在论文中进行对比也是非常不错的选择。

先展示一下效果图->

专栏地址：YOLOv9有效涨点专栏-持续复现各种顶会内容-有效涨点-全网改进最全的专栏

损失对比图片->

二、绘图工具核心代码

import os
import pandas as pd
import matplotlib.pyplot as plt


def plot_metrics_and_loss(experiment_names, metrics_info, loss_info, metrics_subplot_layout, loss_subplot_layout,
                          metrics_figure_size=(15, 10), loss_figure_size=(15, 10), base_directory='runs/train'):
    # Plot metrics
    plt.figure(figsize=metrics_figure_size)
    for i, (metric_name, title) in enumerate(metrics_info):
        plt.subplot(*metrics_subplot_layout, i + 1)
        for name in experiment_names:
            file_path = os.path.join(base_directory, name, 'results.csv')
            data = pd.read_csv(file_path)
            column_name = [col f

了解本专栏