【mmdetection】使用coco数据集训练后结果可视化

小鸠控

已于 2022-03-03 15:59:39 修改

阅读量2.2w

点赞数 56

CC 4.0 BY-SA版权

分类专栏： mmdetection cascade-rcnn 文章标签：深度学习

于 2021-05-15 10:28:47 首次发布

本文链接：https://blog.youkuaiyun.com/qq_41627396/article/details/116834884

本文介绍了使用mmdetection V2.11版本的cascade-rcnn和faster-rcnn模型，基于COCO数据集进行训练后的结果可视化过程，包括Loss曲线、P-R曲线、mAP参数、fps、acc曲线的可视化，并解释了相关参数的意义。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一.开始

本文使用的是mmdetection=V2.11的cascade-rcnn、faster-rcnn模型，使用的数据集是coco数据集，记录训练结果可视化的过程。并且记录训练过程中参数含义

二.可视化代码

以下操作都是在mmdetection根目录下进入到open-mmlab环境中进行的

1. Loss曲线

–work_dirs设置自己模型得到的log.json文件，
–out后面是保存的位置以及文件名字，可以保存为jpg/png等格式,
–key后面可以跟更多参数，但这些参数要在json文件里面有的

python tools/analysis_tools/analyze_logs.py plot_curve ./work_dirs/cascade_rcnn_r50_fpn_1x_coco/20210510_140522.log.json --keys loss --out ./plot_result/1.png

输出结果：

2. P-R曲线

进行P-R曲线可视化前，需要先使用test.py生成pkl文件
–out后面可以加路径，不然直接生成再项目根路径下

python tools/test.py configs/cascade_rcnn/cascade_rcnn_r50_fpn_1x_coco.py work_dirs/cascade_rcnn_r50_fpn_1x_coco/latest.pth --out results.pkl

在根目录下创建一个PR.py文件，输入以下代码

# =========================================================
# @purpose: plot PR curve by COCO API and mmdet API
# @date：   2020/12
# @version: v1.0
# @author： Xu Huasheng
# @github： https://github.com/xuhuasheng/mmdetection_plot_pr_curve
# =========================================================

import os
import mmcv
import numpy as np
import matplotlib.pyplot as plt

from pycocotools.coco import COCO
from pycocotools.cocoeval import COCOeval

from mmcv import Config
from mmdet.datasets import build_dataset

MODEL = "cascade_rcnn"
MODEL_NAME = "cascade_rcnn_r50_fpn_1x_coco"

CONFIG_FILE = f"configs/{MODEL}/{MODEL_NAME}.py"
RESULT_FILE = f"results.pkl"

def plot_pr_curve(config_file, result_file, metric="bbox"):
    """plot precison-recall curve based on testing results of pkl file.

        Args