数据测试是干嘛的,大数据测试是干嘛的,数据测试是干嘛的,大数据测试是啥

　　看了很多博客，有一个更简单的方法。请看一看。我直接用了fastrcnn的地图脚本。这个博客是为了评价网络上的项目，而不是故意走那么多弯路。因为原图计算和我们yolo采集的数据集不兼容。然后，为了更准确地判断，我们修改了iou的值、置信度数据、区域滤波、坐标滤波等。计算地图时。想求地图，博主看教程很容易，但是没试过。原理是一样的。359 blog.csdn.net/leewanzhi/article/details/79690275s的态度不好，但看起来很简单。根据本文的yolo公式，yolo v2的mAP为76.8%，与SSD 500相当。它只通过fps冥想碾压获胜。除此之外，tiny-yolo也有57.1%的地图。以前博客是yolov2和tinu-yolo移植改进的，训练了近3000条数据。但实际测试后发现，tiny-yolo网络的实际效果并没有官网宣称的那么好，即使把迭代次数改成6万次也是徒劳。但是yolov2网络的效果不可小觑，基本博客的大部分检测对象都能很好的识别。所以博主们尝试实际测量yolov2和tiny-yolo的实际地图值。

　　首先解释一下什么是地图。Map(meanaverageprecision)是目标检测中衡量识别精度的指标。在多类别目标检测中，可以根据每一类别的查全率和查准率绘制曲线。AP是这条曲线下的面积，mAP是AP的多个类别的平均值。以上介绍来自知乎论坛。具体信息可以在百度和谷歌上搜索。

　　因为是用的voc数据集，所以应该有训练图像的源文件和xml文件。但是这些文件并不是直接在yolo网络上检测到的，而是每张图片都要转换成相应的描述文件txt。这里，每个图像记录被检测物体的类别、位置和大小。但是对于进入fast-rcnn的地图计算程序来说，他需要的真的是另一种格式。因为博主在格式转换上有很多bug，所以现在公认的voc格式是统一的，MMC。

　　衡量训练网络的效果，首先需要一定数量的测试数据集。测试数据集需要图像和对应于每个图像的xml描述文件，而不是txt描述语言，因此需要的进一步转换相对较少。使用。/darknetdetectorvalidcfg/VOC . data CFG/lucky-VOC。CFG备份/幸运拖鞋-color _ 30000 .重量-出123 -

　　上面的代码使用yolo network附带的valid函数接口测试了大量的图片，并将它们存储在123.txt文件中。其他文件、名称、位置也可以自己决定。

　　首先，cfg/voc.data中描述了几个路径，具体如下

　　类别=1

　　train=/home/lucky/open/tuoxie _ VOC/train . txt

　　valid=/home/lucky/open/tuoxie _ VOC/valid . txt

　　names=data/voc.names

　　备份=备份

　　因为我只有一个ID，class是1，train是用于训练的数据地址描述文件，valid是用于值测试的地址描述文件。后面的名字是类别描述文件，备份通常是训练时保存的路径。只有名为valid的项需要修改，它指的是要测试的文件名。

　　Cfg/lucky-voc.cfg指的是与培训和检查中使用的配置文件相同的配置文件。

　　backup/lucky-sliders-color _ 30000 . weights是指您使用的重量。

　　-out是一个输出到紧随其后的文件名的参数。

　　-thresh是输出阈值参数，但没有设置为源代码，所以在实际测试中影响不大。这里它被设置为0.5。

　　该语句执行后，darknet开始加载权重文件，并根据提供的测试文件目录逐一开始识别检查。最后，执行后，图像如下

　　(我们用的是gpu！请忽略它。这是以前博主测试gpu和cpu速度时输出的)

　　在文件中可以看到刚才的输出文件123tuoxie.txt。/results/。Yolo对识别出的内容进行分类，并在自定义名称后追加类别名称，比如这里的123tuxie。

　　里面的内容也有点奇怪，好像不合逻辑。是博客操作错误，还是博客在之前的优化中误改了yolo的源代码？(从数据上看，设置的阈值真的没用。在源代码中也可以看到。)

　　首先，算算地图。该映射使用fast-rcnn的voc_eval函数。因为专业变了，我们可以更直接的得到想要的数据。首先，确保所有的测试图像都有相应的xml文件。否则，在查找匹配的配置文件时将会出错。

请注意，所有分类的图片都要放在同一个目录！！！

如下图所示

　　然后将计算出来的源代码下载到本地小文件voc-eval-github。

　　git克隆gi

　　t @ github . com:lucky-ing/VOC _ eval . git里面只有一个文件123.py。使用

　　python 123 . py/home/lucky/yolo/darknet/results/123 tuo Xie . txt/home/lucky/open/tuo Xie _ VOC/valid . txt tuo Xie/home/lucky/yolo/darknet/results/123 tuo Xie . txt参考刚刚测试的数据。测试的镜像地址描述文件/home/lucky/open/tuo Xie _ VOC/valid . txt和上面的voc.data是同一个文件。第四个参数tuoxie是我们要计算的地图的类别名称。然后，输入，运行，

　　不同的类有不同的有效文件，所以不同的类需要逐个测试。

　　更新：这个用来测试地图的文件因为麻烦收到了很多问题。博主会在这里回复。

　　计算mAP时为什么需要xml文件？

　　回答：因为yolo network valid出来的时候有多个文件夹，每个文件夹代表一个分类检测到的所有情况，但是这些情况的信息是用像素位置来表示的。也就是说，如果在一个480480的图片中，在其中检测到的对象块图都是像素的位置，例如

　　20171015_210945 0.006307 292.750244 123.649994 354.466797 264.518311

　　这意味着在20171015_210945的图片中，检测到一个置信度为0.006307的物体，其位置为292.750244 123.400000040005然而，当我们训练时，标注文件(。txt)使用相对比例信息，例如

　　0.4 0.5 0.2 0.1

　　这是指在0.4和0.5的画面比例下，宽度为0.2、高度为0.1的对象。这就导致了在求解mAP时信息的格式不对等，所以只能从源xml文件中找到标注的信息。

　　为什么voc_eval文件在计算的时候会保存一个txt文件？

　　答：因为xml文件，他需要一个统一的路径，所以他保存了文件，然后读取。现在博主更新了，不会再保存文件了。

　　为什么读取有效文件时会出错？

　　因为博主设置的图片格式只有。jpg，它现在支持。jpg。JPEG。png。PNG图像格式。