如何在 IOU=0.3 的情况下评估训练模型的平均精度和平均 AP答案

【问题标题】：How to evaluate trained model Average Precison and Mean AP with IOU=0.3如何在 IOU=0.3 的情况下评估训练模型的平均精度和平均 AP
【发布时间】：2021-03-30 04:30:42
【问题描述】：

我使用带有 Resnet 架构的 Faster-RCNN 使用 Tensorflow 对象检测 API 训练了一个模型。我正在使用 tensorflow 1.13.1、cudnn 7.6.5、protobuf 3.11.4、python 3.7.7、numpy 1.18.1，目前无法升级版本。我需要使用 IOU=0.3 的验证集来评估训练模型的准确性（AP/mAP）。我故意使用 legacy/eval.py 脚本，因为它只计算 IOU=0.5 的 AP/mAP（而不是 mAP:0.5:0.95）

python legacy/eval.py --logtostderr --pipeline_config_path=training/faster_rcnn_resnet152_coco.config --checkpoint_dir=training/ --eval_dir=eval/

我尝试了几件事，包括将管道配置文件更新为 min_score_threshold=0.3：评估配置：{ 示例数：60 min_score_threshold：0.3 ..

更新了 protos/eval.proto 文件中的默认值并重新编译了 proto 文件以生成新版本的 eval_pb2.py // 要可视化的检测到的对象框的最小分数阈值可选浮点 min_score_threshold = 13 [默认 = 0.3];

但是，eval.py 仍然计算/显示 IOU=0.5 的 AP/mAP 上述配置仅有助于在 eval.py 输出图像中检测置信度

有人知道如何评估 IOU=0.3 的模型吗？

【问题讨论】：

标签： python tensorflow object detection evaluation

【解决方案1】：

我终于可以通过在 ../object_detection/utils/object_detection_evaluation.py 中修改多个方法参数（尤其是 def __init）中的硬编码 match_iou_threshold=0.5 参数值来解决它

【讨论】：