测试数据集上的 Tensorflow 对象检测模型评估

Question

我已经微调了Model Zoo上可用的 fast_rcnn_resnet101 模型来检测我的自定义对象。我将数据分成训练和评估集，并在训练时在配置文件中使用它们。现在训练完成后，我想在一个看不见的数据（我称之为测试数据）上测试我的模型。我使用了几个函数，但无法确定使用 tensorflow 的 API 中的哪些代码来评估测试数据集的性能。以下是我尝试过的事情：我使用 object_detection/metrics/offline_eval_map_corloc.py 函数对测试数据集进行评估。代码运行良好，但对于大中型边界框，我使用负值或 AR 和 AP。平均精度 (AP) @[ IoU=0.50:0.95 | 面积=全部| maxDets=100] = 0.459平均精度 (AP) @[ IoU=0.50 | 面积=全部| maxDets=100] = 0.601平均精度 (AP) @[ IoU=0.75 | 面积=全部| maxDets=100] = 0.543平均精度 (AP) @[ IoU=0.50:0.95 | 面积=小| maxDets=100] = 0.459平均精度 (AP) @[ IoU=0.50:0.95 | 面积=中等 | maxDets=100 ] = -1.000平均精度 (AP) @[ IoU=0.50:0.95 | 面积=大| maxDets=100 ] = -1.000平均召回率 (AR) @[ IoU=0.50:0.95 | 面积=全部| maxDets= 1 ] = 0.543平均召回率 (AR) @[ IoU=0.50:0.95 | 面积=全部| maxDets= 10 ] = 0.627平均召回率 (AR) @[ IoU=0.50:0.95 | 面积=全部| maxDets=100] = 0.628平均召回率 (AR) @[ IoU=0.50:0.95 | 面积=小| maxDets=100] = 0.628平均召回率 (AR) @[ IoU=0.50:0.95 | 面积=中等 | maxDets=100 ] = -1.000平均召回率 (AR) @[ IoU=0.50:0.95 | 面积=大| maxDets=100 ] = -1.000现在，我知道 mAP 和 AR 不能为负数，并且有问题。我想知道为什么我在测试数据集上运行离线评估时会看到负值？

Answer 1

评估指标采用 COCO 格式，因此您可以参考 COCO API 了解这些值的含义。

如 coco api code 中所指定，-1如果类别不存在，则为默认值。在您的情况下，检测到的所有对象仅属于“小”区域。此外，“小”、“中”和“大”的区域类别取决于此处指定的区域所采用的像素。