mmdetection训练自己的数据集成功后绘制loss、accuracy曲线

最新推荐文章于 2025-07-25 14:05:57 发布
最新推荐文章于 2025-07-25 14:05:57 发布
阅读量1.1w 收藏 75
点赞数 10
CC 4.0 BY-SA版权
分类专栏： mmdetection
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。
本文链接：https://blog.youkuaiyun.com/kellyroslyn/article/details/110086658
这篇博客记录了如何利用mmdetection_visuzalize库来展示Faster R-CNN（ResNet-101_FPN_1x_coco配置）的训练日志。首先将训练得到的json文件放入指定目录，删除表头和mAP行。然后在项目根目录通过终端运行可视化脚本，即使有NaN损失值也不影响结果。

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

此方法仅供自己学习用，纯属自己的学习笔记。

绘制方法参考Github上面的：mmdetection_visualize

在这里插入图片描述

按照上面的方法放置好相应的文件之后，下面放置json文件：

1、将faster_rcnn_r101_fpn_1x_coco.py得到的json文件放入mmdetection_visualize-master/json/文件夹下
2、然后将该json文件的表头文件删掉，第一行不能是空行！
3、然后把含有mAP的行删掉。
4、然后在mmdetection_visualize-master文件夹下右键打开terminal终端
（备注：虽然有些loss值是NaN，但是不影响）

source activate taoming
python visualize.py json/del-mAP-20201124_084311.log.json

回车运行成功！
在这里插入图片描述

mmdetection2.17可视化：pr曲线、FPS Benchmark、anchor、各类loss/mAP、Yolo的anchor
认真努力，做一只会飞的毛毛虫。
10-28 6653
anchor可视化 在目录：mmdet\models\dense_heads\anchor_head就可以可视化anchor，插入位置为： anchor_list, valid_flag_list = self.get_anchors(featmap_sizes, img_metas, device=device) 和label_channels = self.cls_out_channels if self.use_sigmoid_cls else 1 之间，插入的代码具体如下：
第二十三章 LaneAF框架结构以及接入MMDetection3D模型(车道线感知)
专注于人工智能学习，总结
11-02 743
近期参与到了的车道线检测的学习中去，以此系列笔记记录学习与思考的全过程。车道线检测系列会持续更新，力求完整精炼，引人启示。所需前期知识，可以结合进行系统的学习。
mmdet之Loss模块详解
wulele2的博客
06-26 5049
 该篇介绍mmdet的损失函数部分，后续会逐渐扩充mmdet中损失函数的使用注意事项以及使用方法。 
【detectron】绘制loss曲线和pr曲线
Mr_health的博客
11-27 4292
绘制loss曲线 参见博客：detectron训练日志可视化 绘制p-r曲线 在detectron测试完毕后，会在相应的结果输出文件夹中输出每一类的不同precision对应的recall值，保存在xx_pr.pkl中，例如ship_pr.pkl，绘制p-r的代码为： import pickle import os.path as osp import matplotlib.pyplot...
防止MMdetection训练进程意外中断的终极方法-nohup
qq_54708219的博客
05-28 311
防止MMdetection训练进程意外中断的终极方法-nohup
mmdetection 绘制PR曲线
Ghlerrix的博客
03-27 5999
发现直接使用`matplotlib`绘制曲线在修改图片上一些细节是比较麻烦，因此我决定使用Excel来绘制PR曲线
日志分析工具：画出loss曲线
我有明珠一颗的博客
07-13 4308
基本功能：生成loss图片，保存到log日志的同一目录下，取名与log文件一致；内容涉及正则化&plot画图技巧 在跑深度学习项目的时候，可能会有各种各样的log日志，写一个工具包可以快速画出loss图很方便。如果大家的日志和我的类似，可以取用我的代码做修改。 我本次的项目日志分两种，分别是打印1个loss和打印3个loss，相关变量值可以在文件开头做修改。以下是我的两种日志： # --------------------------------------------------.
【mmdetection】绘制训练结果中验证集测试的mAP曲线图
weixin_46600060的博客
06-01 5522
在训练模型的时候，我们通常会在每个 epoch 训练完成后，对验证集做一下测试，看一下模型的效果如何。那么如何绘制每个 epoch 验证的 mAP 结果呢？mmdetection 中自带可视化分析工具，在 tools/analysis_tools 文件夹下，我们可用以下命令绘制每次验证结果的 mAP 结果，从而选择合适的模型进行后续测试。 其中，可选则不同的 keys （如 loss 等），根据训练的日志文件绘制训练的验证结果。 图中，一个点代表一个 epoch 的验证结果。例图中是 100 个 epoch
mmdetection训练后评估指标，验证Loss
magicnnonn的博客
07-26 498
对mmdetection框架下训练好的log.json文件进行评估。
mmdetection中的训练显示loss
weixin_51486807的博客
03-08 975
loss_cls: 0.0417, loss_bbox: 0.1390, loss_dfl: 0.1413, loss: 0.3220 这些loss是一个batch整体的loss，不是一张图片的loss
mmdetection成功训练balloon
weixin_44733311的博客
03-21 253
mmdetection成功训练，换网络训练都可以参考的流程
coco数据集训练结果怎么看
07-10
1. **使用验证集进行评估**：在训练过程中，通常会将COCO数据集划分为训练集和验证集。通过验证集可以计算模型的性能指标，如准确率（accuracy）、损失值（loss）等。这些指标可以通过训练日志或可视化工具来查看。 ...
python 绘制train和val的acc和loss曲线
06-18
import numpy as np import matplotlib.pyplot as plt import pylab as pl from mpl_toolkits.axes_grid1.inset_locator import inset_axes def plt_image(x_input, y_input, title, xlabel, ylabel): plt.plot(x_input, y_input, linewidth=2) plt.title(title) plt.xlabel(xlabel) plt.ylabel(ylabel) plt.show() data1_loss =np.loadtxt("val_loss_list.txt") data2_loss = np.loadtxt("train_loss_list.txt") data3_acc = np.loadtxt("val_acc_list.txt") epoches=range(0,100) plt_image(epoches, data1_loss
【工具使用】：MMDetection框架，YOLOv5与Faster R-CNN性能对比利器
![【工具使用】：MMDetection框架，YOLOv5与Faster R-CNN性能...MMDetection是由商汤科技开源的一个深度学习目标检测工具库，建立在PyTorch之上，提供了丰富的检测模型、工具和灵活的架构设计，支持研究人员和开发者
AI人工智能与图像处理技术的协同创新
AI天才研究院
04-06 1138
本文旨在全面剖析人工智能(AI)与图像处理技术之间的协同创新关系。两种技术的基本原理和相互关系核心算法和数学模型实际应用案例未来发展趋势研究范围涵盖从基础理论到前沿应用的完整知识体系，特别关注深度学习在图像处理领域的创新应用。首先介绍背景知识和基本概念然后深入分析核心算法和数学模型接着通过实际案例展示技术应用最后探讨未来趋势和挑战附录提供常见问题解答和扩展资源人工智能(AI): 模拟人类智能的计算机系统，能够执行通常需要人类智能的任务图像处理。
揭秘AI应用架构师：AI系统故障诊断的优化方案
最新发布
AI天才研究院
07-25 666
（示意图：AI系统故障诊断全链路架构）随着人工智能技术的飞速发展，AI系统已从实验室走向生产环境，广泛应用于金融风控、医疗诊断、自动驾驶、智能制造等关键领域。据Gartner预测，到2025年，75%的企业应用将集成AI功能。然而，AI系统的复杂性和不确定性使其故障诊断面临前所未有的挑战。真实案例警示：这些案例揭示了一个严峻现实：AI系统故障不仅影响用户体验，更可能导致经济损失、声誉损害甚至危及生命安全。与传统软件系统相比，AI系统故障诊断面临三大核心挑战：AI应用架构师需要构建专门的故障诊断体系，将"被动
caffe训练过程可视化-将两个loss曲线一个accuracy曲线画在一个图上
Mr-pig的博客
07-14 3463
转载自：https://blog.youkuaiyun.com/auto1993/article/details/71297151从上面的这个博客里面看到一个用Python调用网络的代码，然后就试了试，发现了发现不能直接跑通，因此这个博客就主要介绍下这个代码怎么修改。【我使用的vs code调试的，可能在caffe根目录下直接用终端不用改成绝对路径】import sys cafferoot='/root/ca...
mmdetection训练结果可视化之日志分析（一）
mengsheng12的博客
12-26 3904
本文主要介绍了mmdetection训练结果日志分析可视化常用语令
mmdetection各种评价指标的曲线图
微信号：Custom-Software
04-06 1967
参考文献：https://zhuanlan.zhihu.com/p/486190295?2.输出“loss_cls”1.输出mAP曲线图。
评论 9
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
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