如何使用 IOU=0.3 评估训练模型的平均精度和平均 AP

问题描述

我使用具有 resnet 架构的 Faster-RCNN 使用 Tensorflow 对象检测 API 训练了一个模型。我正在使用 tensorflow 1.13.1、cudnn 7.6.5、protobuf 3.11.4、python 3.7.7、numpy 1.18.1，目前我无法升级版本。我需要使用 IoU=0.3 的验证集来评估训练模型的准确性（AP/mAP）。我故意使用 legacy/eval.py 脚本，因为它仅计算 IoU=0.5 的 AP/mAP（而不是 mAP:0.5:0.95）

python legacy/eval.py --logtostderr --pipeline_config_path=training/faster_rcnn_resnet152_coco.config --checkpoint_dir=training/ --eval_dir=eval/

我尝试了几件事情，包括更新管道配置文件以使 min_score_threshold=0.3： 评估配置：{ num_examples: 60 min_score_threshold：0.3 ..

更新protos/eval.proto文件中的默认值，重新编译proto文件生成新版本的eval_pb2.py // 要可视化的检测到的对象框的最小分数阈值 可选浮动 min_score_threshold = 13 [默认 = 0.3];

然而，eval.py 仍然计算/显示 IoU=0.5 的 AP/mAP 上述配置仅有助于在 eval.py 输出图像中检测置信度

有谁知道如何评估 IoU=0.3 的模型？

解决方法

我终于可以通过修改../object_detection/utils/object_detection_evaluation.py中的多个方法参数（尤其是def __init）中的硬编码matching_iou_threshold=0.5参数值来解决它