使用 COCO 指标评估我的对象检测模型显示 0 和 -1 值答案

【问题标题】：Evaluating my object detection model using COCO metric shows 0 and -1 values使用 COCO 指标评估我的对象检测模型显示 0 和 -1 值
【发布时间】：2022-01-24 22:26:48
【问题描述】：

我目前正在尝试解决对象检测问题，并决定为此使用更快的 RCNN。我关注了这个Youtube video 和他们的Code。损失减少了，但最大的问题是无论我如何尝试，它都无法正确评估。我试过查看输入，如果有任何大小不匹配或缺少信息，但它仍然不起作用。像这样，它的所有指标总是显示 -1 和 0 值。

creating index...
index created!
Test:  [0/1]  eta: 0:00:08  model_time: 0.4803 (0.4803)  evaluator_time: 0.0304 (0.0304)  time: 8.4784  data: 7.9563  max mem: 7653
Test: Total time: 0:00:08 (8.6452 s / it)
Averaged stats: model_time: 0.4803 (0.4803)  evaluator_time: 0.0304 (0.0304)
Accumulating evaluation results...
DONE (t=0.01s).
IoU metric: bbox
 Average Precision  (AP) @[ IoU=0.50:0.95 | area=   all | maxDets=100 ] = 0.000
 Average Precision  (AP) @[ IoU=0.50      | area=   all | maxDets=100 ] = 0.000
 Average Precision  (AP) @[ IoU=0.75      | area=   all | maxDets=100 ] = 0.000
 Average Precision  (AP) @[ IoU=0.50:0.95 | area= small | maxDets=100 ] = 0.000
 Average Precision  (AP) @[ IoU=0.50:0.95 | area=medium | maxDets=100 ] = -1.000
 Average Precision  (AP) @[ IoU=0.50:0.95 | area= large | maxDets=100 ] = -1.000
 Average Recall     (AR) @[ IoU=0.50:0.95 | area=   all | maxDets=  1 ] = 0.000
 Average Recall     (AR) @[ IoU=0.50:0.95 | area=   all | maxDets= 10 ] = 0.000
 Average Recall     (AR) @[ IoU=0.50:0.95 | area=   all | maxDets=100 ] = 0.000
 Average Recall     (AR) @[ IoU=0.50:0.95 | area= small | maxDets=100 ] = 0.000
 Average Recall     (AR) @[ IoU=0.50:0.95 | area=medium | maxDets=100 ] = -1.000
 Average Recall     (AR) @[ IoU=0.50:0.95 | area= large | maxDets=100 ] = -1.000
<coco_eval.CocoEvaluator at 0x7ff9989fea10>

这是我当前的代码：Colab notebook

【问题讨论】：

标签： deep-learning pytorch google-colaboratory object-detection faster-rcnn

【解决方案1】：

我的标签给错了。我通过尝试用标签绘制我的数据集图像来解决这个问题，我发现它要么没有显示标签，要么没有准确地显示它。

此评估函数基于 COCO 度量。它评估所有尺寸的标签，因此对于 area=large 显示 -1.000。我目前的猜测是因为我的数据集没有不同大小的标签。它们的尺寸都相同，并且它们的尺寸为中/小。我可能错了。

【讨论】：