mmdetection训练结果可视化(二)

本文详细介绍了MMDetection库中用于测试结果分析、数据集可视化以及模型复杂度计算的工具,包括如何获取.pkl格式的测试结果,进行语令分析,以及计算模型的FLOPs和参数量。

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

目录

一.结果分析

1.1得到.pkl格式的测试结果

1.2结果分析

 1.2.1语令分析

1.2.1使用样例

二.数据集可视化 

2.1语令分析

2.2使用示例

三.模型复杂度计算 

3.1语令分析

3.2使用示例


以下为自己学习所用,不足之处请在评论区指出。

一.结果分析

     这里语令作用是计算每个图像 mAP,随后根据真实标注框与预测框的比较结果,展示或保存最高与最低 top-k 得分的预测图像。

1.1得到.pkl格式的测试结果

 由于结果分析工具是对测试结果文件(.pkl文件)进行处理,因此这里先需要使用mmdetection中的tools/test.py工具获得.pkl结果,这里使用的命令语句如下。

python tools/test.py \
    ${CONFIG_FILE} \
    ${CHECKPOINT_FILE} \
    [--out ${RESULT_FILE}] \
    [--show]

  这里我的配置文件绝对路径是C:\Users\13642\mmdetection\jupyter\test01_retinanet_r18_fpn_1x_coco.py

checkpoint文件绝对路径是C:\Users\13642\mmdetection\jupyter\epoch_12.pth

运行以下命令即可保存.pkl格式的测试结果文件。

python tools/test.py C:\Users\13642\mmdetection\jupyter\test01_retinanet_r18_fpn_1x_coco.py C:\Users\13642\mmdetection\jupyter\epoch_12.pth --show --out retinanet_r18_results.pkl

运行结果如下。

 

评论 2
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
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