了解 TensorFlow 对象检测 API 评估指标

Question

我使用 tensorflow 提供的对象检测 API 训练了一个模型，但找不到很多关于所创建模型的评估过程的资源。

使用 eval.py 脚本时，我在屏幕上看到了一些结果，但我对此有些怀疑：

1. checkpoint_dir 中存储的检查点中，结果对应于哪个检查点？

2. 在某些情况下，我得到的值为 -1.00。我该如何解释？

3. 提供的 eval.py 和 model_main.py 脚本有什么区别？

4. 任何与对象检测 api 的评估和推理相关的资源，您可以参考我吗？

Answer 1

1. checkpoint_dir 中存储的检查点中的哪个检查点执行 结果对应？

在您的train_dir 中，您会找到一个checkpoint 文件，如果您打开它，代码的第一行是您的最后一个检查点，它将用于评估，您可以将第一行更改为您想要的评估检查点

1. 在某些情况下，我得到的值为 -1.00。我该如何解释？

当您在指标中获得 -1 时，这意味着它不存在任何符合条件的结果，在您的情况下，这意味着您的数据集没有任何小面积对象，因此如果您将其丢弃，则有这些对象，而您没有检测到它们，它会显示为 0 而不是 -1。

• 小物体：面积
• 中等对象：32^2
• 大型物体：面积 > 96^2

1. 提供的 eval.py 和 model_main.py 脚本有什么区别？

eval.py 脚本仅评估模型并返回指标。 model_main.py 将 train 脚本与 eval 相结合，使您可以选择执行以下操作：

1. 训练模型
2. 评估模型
3. 同时训练和评估模型

在后者中，您应该提供验证数据而不是您的测试数据。

4. 任何与对象检测 api 的评估和推理相关的资源，您可以参考我吗？

我想你正在寻找这个Jupyter notebook for off-the-shelf inference