YOLOV3-keras版本下计算自己数据集的mAP

大家好，这是本小白的第一篇博客，主要是在作者"倔强的大萝卜"这篇文章 【YOLOV3-keras-MAP】YOLOV3-keras版本的mAP计算（https://blog.csdn.net/plSong_CSDN/article/details/89502117）的基础上，进行补充，最终实现自己数据集的keras-yolov3的mAP计算。前提是，已经训练好了h5文件。

原博主直接给出了代码包 https://github.com/Cartucho/mAP，其博客也有关键代码的解释，但并没有给出整个连续的实现过程，我看评论里也有一些同是小白的盆友求具体代码，我把它连贯起来了，在这里记录总结一下～

前言

首先引用一下 目标检测问题中的-MAP 里的几个基本概念：
MAP（mean Average Precision）：均值平均精度。目标检测模型的性能评估

Ground Truth：对于任何算法，度量总是与数据的真实值（Ground Truth）进行比较，Ground Truth就是数据的真实值。Ground Truth包括图像中的目标的类别以及图像中每个目标的边界框。

Iou：交并比。交并比是模型所预测的检测框和真实（Ground Truth）的检测框的交集和并集之间的比例。

如何计算可以查看原博主 目标检测问题中的-MAP 这篇博文，本文主要讲实现方法。

1 下载mAP压缩包

原博主给出了这个下载地址 mAP代码下载
下载后解压到keras-yolo3的主目录下，若要计算自己的数据，可以把压缩包里mAP-master/input下的三个文件夹（detection_results, ground_truth, images-optional）里的内容清空，以便后续放入自己的数据。

实现mAP的计算主要就是把相应的文件放入到 detection_results, ground_truth, images-optional 这三个文件夹中，然后根据压缩包里的main.py 文件直接生成结果。下面依次解释我是咋实现的。

2 images-optional文件夹

先从最简单的开始吧，images-optional文件夹主要是放你要测试(test)的图像数据的。
第一种方法是，你只需要把你准备的测试图片粘进去
第二种方法是，你可以在main.py 文件中把IMG_PATH的路径引到你放测试图片的文件夹。下面是main.py 文件中的部分代码，修改即可。

GT_PATH = os.path.join(os.getcwd(), 'input', 'ground-truth')
DR_PATH = os.path.join(os.getcwd(), 'input', 'detection-results')
# if there are no images then no animation can be shown
# IMG_PATH = os.path.join(os.getcwd(), 'input', 'images-optional')   默认是images-optional
IMG_PATH = '/home/bu807/Downloads/keras-yolo3-master2/keras-yolo3-master2/test'   #也可以引到自己的test路径

粘完图片，或者改完路径后，images-optional文件夹就搞定了。最简单。

3 ground_truth文件夹

ground_truth用来放真实值，就是你当初标的框的位置大小，如下：一张图里，眼睛 鼻子 嘴巴 的类型、位置和大小。

格式是：classname left top right bottom

eye 86 274 146 305
eye 214 273 282 303
nose 138 334 220 385
mouth 139 404 220 437

这里需要放入原始值的txt文件，我们可以根据xml文件生成。首先，需要将xml导入到ground_truth文件夹；然后，通过covert_gt_xml.py转成txt文件。

3.1 将xml导入到ground_truth文件夹

第一种方法，你的测试图片少的话，可以直接把相应的xml文件粘到ground_truth文件夹。
第二种方法，你的测试图片很多/一个一个找不好找，我简单写了一个代码（如下：findxml.py，你可以把它放在mAP-master/scripts/extra下 ），可以从你的Annotations文件夹中找到相应的xml文件，然后粘到ground_truth文件夹。

import os
import shutil

testfilepath='/home/bu807/Downloads/keras-yolo3-master2/keras-yolo3-master2/test'
xmlfilepath = '/home/bu807/Downloads/keras-yolo3-master2/keras-yolo3-master2/VOCdevkit/VOC2007/Annotations/'
xmlsavepath = '/home/bu807/Downloads/keras-yolo3-master2/keras-yolo3-master2/mAP-master/input/ground-truth/'
test_jpg = os.listdir(testfilepath)

num = len(test_jpg)
list = range(num)
L=[]

for i in list:
    name = test_jpg[i][:-4] + '.xml'
    L.append(name)

for filename in L:
    shutil.copy(os.path.join(xmlfilepath,filename),xmlsavepath)

具体参考了
python: 从一个文件夹中提取含有特定文件名的文件并放到新文件夹中
（相对路径不太会写，就直接放的绝对路径了 /捂脸)，这样就相应xml放进了ground_truth文件夹。

3.2 将xml转成txt文件

执行自带的mAP-master/scripts/extra/covert_gt_xml.py 文件。执行后，你的xml文件自动放进了ground_truth/backup中，然后在ground_truth下生成了txt文件。

OK，第二个文件夹搞定。

4 detection-results文件夹

4.1 保存模型测试结果

采用原博主的这个 yolo_test.py 文件，可以实现批量测试 并 保存测试结果。（ 博客见【yoloV3-keras】 keras-yolov3 进行批量测试 并 保存结果 ）执行后会在主目录下生成result文件夹及下属文件。对其进行改进后，才能用于我们mAP的计算。我这里po出了我补充的代码，也是有盆友在问的：

1 )
注释掉两个file.write

# 保存框检测出的框的个数
# file.write('find  ' + str(len(out_boxes)) + ' target(s) \n')  这里注释掉

time_sum = time.time() - t1
# file.write('time sum: ' + str(time_sum) + 's')   这里注释掉
print('time sum:', time_sum)
file.close()
yolo.close_session()

2 )
修改2个file.write

# 写入检测位置
# file.write(
#     predicted_class + '  score: ' + str(score) + ' \nlocation: top: ' + str(top) + '、 bottom: ' + str(
#         bottom) + '、 left: ' + str(left) + '、 right: ' + str(right) + '\n')  
file.write(
      predicted_class + ' ' + str(score) + ' ' + str(left) + ' ' + str(
             top) + ' ' + str(right) + ' ' + str(bottom) + ';')

# file.write(portion[1] + ' detect_result：\n')  这个在最后
file.write(portion[1]+' ')    # 这里要有一个空格

3 )
然后执行yolo_test.py，生成result/result.txt

4.2 执行py文件得到txt文件

这一步也是有些盆友在问的。我在scripts/extra下新建了make_dr.py 文件，如下：

f=open('/home/bu807/Downloads/keras-yolo3-master2/keras-yolo3-master2/result/result.txt',encoding='utf8')
s=f.readlines()
result_path='/home/bu807/Downloads/keras-yolo3-master2/keras-yolo3-master2/mAP-master/input/detection-results/'

for i in range(len(s)):  # 中按行存放的检测内容，为列表的形式
    r = s[i].split('.jpg ')
    file = open(result_path + r[0] + '.txt', 'w')
    if len(r[1]) > 5:
        t = r[1].split(';')
        # print('len(t):',len(t))
        if len(t) == 3:
            file.write(t[0] + '\n' + t[1] + '\n')  # 有两个对象被检测出
        elif len(t) == 4:
            file.write(t[0] + '\n' + t[1] + '\n' + t[2] + '\n')  # 有三个对象被检测出
        elif len(t) == 5:
            file.write(t[0] + '\n' + t[1] + '\n' + t[2] + '\n' + t[3] + '\n')  # 有四个对象被检测出
        elif len(t) == 6:
            file.write(t[0] + '\n' + t[1] + '\n' + t[2] + '\n' + t[3] + '\n' + t[4] + '\n')  # 有五个对象被检测出
        elif len(t) == 7:
            file.write(t[0] + '\n' + t[1] + '\n' + t[2] + '\n' + t[3] + '\n' + t[4] + '\n' + t[5] + '\n')  # 有六个对象被检测出

        else:
            file.write(t[0] + '\n')  # 有一个对象
    else:
        file.write('')  # 没有检测出来对象，创建一个空白的对象

创建文件后执行，得到detection-results文件夹下的txt文件。

到这里，三个文件夹就搞定了！大功告成！

5 执行 main.py 文件

最后，执行 main.py 文件，在mAP-master/results下就可以看到自己的mAP啦！！！

有什么问题欢迎交流，本小白第一次写博客，如有侵权请提醒，我尽快处理或删除。