YOLOv3 如何快速计算mAP （一条指令搞定）

今天跑了一下YOLOv3，用的VOC格式的数据集，发现不知道怎么计算mAP。

于是乎，百度了一下，折腾了好几下，我发现，有些人的方法绕来绕去，不知道是不是故意炫技，虽然也能计算，但让人觉得不知所云，一会要输入命令行，一会又要用到python，一会又要删除什么文件，一会又要设置什么difficult参数，甚至有的要修改darknet源码，总之搞得非常复杂。

偶然间自己发现了一个快速计算mAP的方法，完全不需要用到python，1分钟就能搞定，只要修改几个地方，然后一条命令行指令搞定。

进入正题：

1. 如果你之前训练的是VOC格式的数据集，你一定会得到一个测试用的.txt文件，里面写了测试图片的绝对路径，例如：

2. 修改voc.data文件，修改里面的 valid 设置为测试用的.txt文件的路径，其他不要动，如下所示：

classes= 20
train  = data/voc/voc_train.txt
valid  = data/voc/2007_test.txt    #这里写的是你测试用的.txt文件的相对路径
names = data/voc.names
backup = data/weights

3. 然后cd 进入你的…darknet-master/build/darknet/x64 路径下，在CMD中输入：

darknet.exe detector map data/voc.data data/yolov3-voc.cfg data/weights/yolov3-voc_22000.weights -points 11 -thresh 0.5 -iou_thresh 0.5

一些参数说明：
data/voc.data   #改成你使用的voc.data 的相对路径
data/yolov3-voc.cfg    #改成你使用的yolov3-voc.cfg 的相对路径
data/weights/yolov3-voc_22000.weights    #改成你使用的.weights权重参数文件的相对路径
points 11     #11表示该数据集为VOC格式的数据集，coco为101 ，ImageNet为0
thresh 0.5     #只计算预测置信值大于0.5的预测框
iou_thresh 0.5   #只计算IOU交并比大于0.5的预测框

结果如图所示，总共测试了4952张图片，你会发现所有的指标都已经帮你计算好了，其中mAP=74.61%