MSCOCO online test servier for Image Captioning

参考博客：在MSCOCO的test-dev数据集上测试过程（如何在MSCOCO服务器上提交测试结果）

链接：https://blog.csdn.net/qq_41375609/article/details/108394066

https://competitions.codalab.org/     COCO在线测试平台网址。

https://cocodataset.org/#download  COCO数据集下载网址

作为一名科研小白的Me，科研方向是image captioning（俗称看图说话）。经过一段时间的论文阅读，终于要开始跑别人的代码啦。（心想哪有那么多论文创新--爱迪尔，我咋想不到勒）。回到正题，在阅读论文的过程中经常看到别人的实验结果里有个MSCOCO test online结果（这是个神马鬼，为啥github源码里没有这个咚咚）且正文里提及的就几句话（好像是提了吧，忘了）。于是在度娘的帮助下终于搜到了一篇“在MSCOCO的test-dev数据集上测试过程（如何在MSCOCO服务器上提交测试结果）”，看到时欣喜若狂，再看是目标检测方面的。不过大体步骤差不多。区别是任务不同，当image captioning 在Encoder端提取的特征较为复杂时（比如同时用Faster-RCNN提的特征）但是几乎到目前为止阅读过的论文里数据集的切分都是用的Karpathy’ splits切分规则。但是在MSCOCO提交到服务器时我们要交两个json文件。一个是validation，另一个是test2014。接下来进入正题：

1.先下载我们需要的数据集

 2.进入captioning 2015里阅读相关说明，官方说的很详细

 3.https://competitions.codalab.org/     COCO在线测试平台网址，点击进入

注：每次进入image captioning challenge 位置不一样，自己注意下

 

 

 4.如何将全部validation的结果保存下来，因为我们用的是别人的切分规则，即使用切分的test得到结果也就5000条数据，是不正确的。所以我们在保存完模型后让训练集、验证集和测试集都跑一遍前向，将其预测的结果保存到json文件中。然后我们其中属于验证的部分全部取出来放到一个新的json文件中，同时将我们下载下来的无标签的2014test跑一遍前向将结果保存到另一个josn文件中。最终将两个json文件打包成zip上传到上述页面。（形式如下）

 注：估计大佬看见了得笑，同时希望有做该方向的大佬带带我，指点下me。最好让我当头一痛，发一篇顶会，哈哈哈。有不对的地方，谅解下。