如何利用cocoapi评估模型在coco数据集上的AP

最新推荐文章于 2025-04-07 18:15:15 发布

原创

最新推荐文章于 2025-04-07 18:15:15 发布 · 4.8k 阅读

13 ·

CC 4.0 BY-SA版权

本文介绍如何使用Python调用COCO API评估目标检测模型的准确率（AP），并提供了一个实例脚本，展示了如何设置输入参数、运行评估及查看结果。

目前绝大多数目标检测算法都使用coco数据集进行模型评估。那么如何验证sota模型的是否达到paper给出的AP，或者自己的数据増广策略、训练调参等是否能提升模型的AP？cocoapi提供了接口！

下面给出使用python调用cocoapi流程和实例：

首先切换到 PythonAPI路径下，然后make
在PythonAPI路径下新建脚本文件：evaluate.py
脚本代码：

# -*- coding:utf-8 -*-
from pycocotools.coco import COCO 
from pycocotools.cocoeval import COCOeval 
import numpy as np 
import skimage.io as io 
import pylab,json 

if __name__ == "__main__":
    parser = argparse.ArgumentParser()
    parser.add_argument("-g", "--gt", type=str, help="Assign the groud true path.", default=None)
    parser.add_argument("-d", "--dt", type=str, help="Assign the detection result path.", default=None)
    args = parser.parse_args()
    
    cocoGt = COCO(args.gt)
    cocoDt = cocoGt.loadRes(args.dt)
    cocoEval = COCOeval(cocoGt, cocoDt, "bbox")
    cocoEval.evaluate()
    cocoEval.accumulate()
    cocoEval.summarize()

脚本跑完后，会打印出汇总结果，如下图：