Count-mAP:Map计算所需文件的生成在Keras当中的实现
目录
所需环境
tensorflow-gpu==1.13.1
keras==2.1.5
文件下载
ssd的h5权重文件
链接: https://pan.baidu.com/s/1VOD35bbShx25n6LTpvBPGQ 提取码: zn3e
大家要注意我例子中的VOC虽然写的是2007,但是实际上是2012的……
链接: https://pan.baidu.com/s/1jLW5k65lP8hZJhguH6ELQQ 提取码: 4r3g
使用方式
所有目标检测库都已经配备了对应的mAP的计算程序,直接按照步骤运行即可。
博客链接:https://blog.csdn.net/weixin_44791964/article/details/104695264
- 准备好自己的测试集,测试集的设置一般有两个方法,一是在整个模型训练前,设置trainval_percent的大小进行分割,trainval_percent=0.9代表10%的数据用于测试;二是在训练前将测试集和训练集完全分开,当完成训练后,将训练集剪切走,将测试集复制进VOC2007中,此时将trainval_percent=0,代表当前VOC2007里面所有的数据用于测试。
- 在完成测试集的准备后,运行voc2ssd.py生成对应的test.txt文件。
- 修改ssd.py当中的model_path以及classes_path使其对应自己的模型。
- 运行get_dr_txt.py文件生成预测结果对应的txt。
- 运行get_gt_txt.py文件生成真实框对应的txt。
- 运行get_map.py文件获得网络的mAP值即可。