深度学习理论——yolov3计算map

大家好，继续备忘，这次是记录yolov3跑完测试以后如何计算map的简单方法。

1.生成检测文件

上一篇博客写的是批量测试生成图像结果，要想计算map，需要首先生成检测文件，在darknet文件下运行：

./darknet detector valid cfg/voc.data cfg/yolov3-voc.cfg backup/yolov3-voc_final.weights -out ""

其中，类名要写自己的类名，会生成一个txt文件在result里。

2.然后在python2的环境下运行v_RD-eval.py，注意修改classname，annopath和imagesetfile的地址。如果不知道自己用的是python几，就在shell框里输入python+回车就可以看到python的版本，如果想要修改python的版本，就source python版本，例如：

source ~/conda2.如果是在conda2这个文件地址下运行终端，就是source conda2.

3.运行

python v_RD_eval.py

注意这个只能测试单类的ap，classname每次只需写一类，算出来所有类的ap求一个平均即是map。

PS:在生成检测文件的时候，终端会显示运行花了多少时间，可以用检测图像数/这个时间来计算fps！

好了我们下期见！