针对测试数据集计算 YOLO mAP答案

【问题标题】：Calculating YOLO mAP against test dataset针对测试数据集计算 YOLO mAP
【发布时间】：2020-07-24 16:23:08
【问题描述】：

AFAIK YOLO 在训练期间根据验证数据集计算 mAP。现在是否可以针对 unseen 测试数据集进行相同的计算？

命令：

./darknet detector map obj.data yolo-obj.cfg yolo-obj_best.weights

obj.数据：

classes = 1
train = train.txt
valid = test.txt
names = classes.txt
backup = backup

我已指示有效测试包含注释图像的数据集。但我总是得到以下结果：

 calculation mAP (mean average precision)...
44
 detections_count = 50, unique_truth_count = 43  
class_id = 0, name = traffic_light, ap = 100.00%     (TP = 43, FP = 0) 

 for conf_thresh = 0.25, precision = 1.00, recall = 1.00, F1-score = 1.00 
 for conf_thresh = 0.25, TP = 43, FP = 0, FN = 0, average IoU = 85.24 % 

 IoU threshold = 50 %, used Area-Under-Curve for each unique Recall 
 mean average precision (mAP@0.50) = 1.000000, or 100.00 % 
Total Detection Time: 118 Seconds

并不是说我对 100% 的 mAP 不满意，但这绝对是错误的，不是吗？

任何建议将不胜感激。

问候，

设置

【问题讨论】：

标签： object-detection yolo darknet

【解决方案1】：

现在是否可以针对看不见的测试数据集进行相同的计算？

是的，mAP 计算需要带有相应标签/注释的图像。

我已指示 valid 测试包含注释图像的数据集。

是的，这是做你想做的事的方法。

如果您使用的是old code 并且在那之后没有更新，那么您在这里看到的可能就是这个已知的bug。 这种情况建议你拉最新的darknet试试看。

请注意，如果模型训练得非常好，并且如果您的测试集在复杂性方面很简单（尽管它是看不见的）或者它在视觉上与训练集相似，那么也可以得到这样的数字，因为我们再谈少量测试样本。

【讨论】：