YOLOV3實戰5 利用三方工具繪製P R曲線

2021-08-28 23:47:25 字數 2317 閱讀 9416

二、指令碼檔案說明

進入根目錄,依次進入/submodules/kittiobjective2/

此時目錄下一共6個物件:

1、val_gt資料夾儲存樣本的標籤文件,開啟000000.txt舉例說明其組織格式:

pedestrian 0.00 1 0.30 883.68 144.15 937.35 259.01 1.90 0.42 1.04 5.06 1.43 12.42 0.68

pedestrian 0.00 2 0.29 873.70 152.10 933.44 256.07 1.87 0.50 0.90 5.42 1.50 13.43 0.67

car 0.00 0 1.74 444.29 171.04 504.95 225.82 1.86 1.57 3.83 -4.95 1.83 26.64 1.55

pedestrian 0.00 0 -0.39 649.28 168.10 664.61 206.40 1.78 0.53 0.95 2.20 1.57 34.08 -0.33

car 0.98 0 2.42 0.00 217.12 85.92 374.00 1.50 1.46 3.70 -5.12 1.85 4.13 1.56

pedestrian 0.00 0 2.02 240.35 190.31 268.02 261.61 1.54 0.57 0.41 -7.92 1.94 15.95 1.57

dontcare -1 -1 -10 0.00 226.06 88.58 373.00 -1 -1 -1 -1000 -1000 -1000 -10

dontcare -1 -1 -10 567.39 173.95 574.86 190.60 -1 -1 -1 -1000 -1000 -1000 -10

dontcare -1 -1 -10 727.58 165.75 737.08 192.75 -1 -1 -1 -1000 -1000 -1000

這是kitti資料的注釋標準,第一列表示類別,4-7列分別表示矩形框的左上、右下的座標,其他值可自行查閱

2、val_pred資料夾儲存樣本的**結果,注意每張的**結果文件以.txt形式儲存,檔名和val_gt中的

要對應上,一張的檢測結果寫在乙個txt中,乙個矩形框寫一行,開啟000011.txt說明:

car 0 1 0 442.462500 173.177083 507.150000 225.260417 0 0 0 0 0 0 0 0.995087

car 0 1 0 1.293750 189.453125 97.031250 375.651042 0 0 0 0 0 0 0 0.983480

第一列代表類別,2-4列可以隨意填寫,5-8列為矩形框資訊,同上,9-15列可以任意填寫,最後一列為檢測框

的置信率,即是包含物體的可能性,注意,檢測結果的每一行比標籤的每一行要多一列

3、makefile 進行make生成工具

4、evaluate_object.cpp 繪圖的指令碼cpp

三、安裝必要環境,測試指令碼

在/submodules/kittiobjective2/目錄下,執行命令,make clean,然後make,通常情況下會提示安裝

「gnuplot」工具,這個安裝很簡單,一條命令搞定:sudo apt-get install gnuplo

隨後執行命令/evaluate_object2 val_pred val_gt看有無錯誤,基本不會出錯!

四、準備資料的注意點

1、標籤檔案放入val_gt資料夾

2、檢測結果放入val_pred資料夾

3、檔案格式一定按照要求寫

4、檔案命名修改:必須是6位的數字,如:000000.txt和000001.txt,且標籤和檢測結果相對應,要改檔名也很

簡單,可以自行寫個小指令碼處理,參照原先檔案下下面的標準,依葫蘆畫瓢!

五、繪製曲線

首先更改evaluate_object.cpp中的

const int32_t n_maximages = 7518;

const int32_t n_testimages = 481;

其數值表示你此次樣本的數量,自行修改

然後make,執行命令:run evaluate_object2 /path/to/prediction /path/to/gt

生成的曲線便在你檢測結果的資料夾的子資料夾/plot/中

六、**交流

碼字不易,少俠且行且珍惜!

yolov3系列 零 yolov3詳解

目標檢測演算法與efficientdet講解 論 文 翻譯 yolov3主頁 yolo系列的目標檢測演算法可以說是目標檢測史上的巨集篇巨作,v3演算法是在v1 v2基礎上形成的,先看下 yolov1 yolov2 下圖為yolov3的網路結構 dbl darknetconv2d bn leaky 是...

利用wider face訓練yolov3模型的坑

yolov3出來已經有一段時間了,最近利用其玩了一下wider face的資料集,現在把踩過的坑寫一篇部落格。一 準備 1 準備 data,cfg,names 三個檔案,官網上面都有說明 2 準備wider face資料集及標籤 可以參考 3 準備好你的gpu,等等 二 坑1 訓練時注意要將資料放入...

yolov3的缺點 yolov3特點總結

p1,yolov3,簡單總結下比較特別的地方 1.bounding box 中心值x,y的 是通過乙個sigmoid 函式,來 在每乙個單元 cell 的相對位置。而不像普通那種 乙個相對於anchor的offset。然後bbox 損失是用的mse 一般都是用smooth l1 3.類別 沒有使用s...