看了很多博客，有了更简单的方法。 请看一下。 我直接使用了fastrcnn的地图脚本。 本博客是为了在项目上评价网络，并不是故意走那么多弯路。 因为原始的地图计算和我们yolo收集的数据集是不兼容的。 然后，为了更准确地判断，我们在计算地图时修改其iou的数值、confidence数据、面积滤波、坐标滤波等。 如果大家想求map的话，博主看教程很容易，但是没有试过。 原理是一样的。 3359 blog.csdn.net/leewanzhi/article/details/79690275态度虽然不好，但看起来可能很简单。 本文根据yolo公式，yolo v2具有76.8%的mAP，与SSD 500持平，仅通过fps冥想就以碾压优势取胜。 除此之外，tiny-yolo也有57.1%的地图。 以前博客进行了yolov2和tinu-yolo的移植和改良，训练了近3000张数据。 但经过实际测试，发现tiny-yolo网络的实际效果并没有官网所宣称的那么好，即使将迭代次数改为60000也是徒劳的。 但是，yolov2网络的效果不容小觑，基本博客的大部分检测物体都能很好地识别。 因此，博主试图实际测量yolov2和tiny-yolo的实际mAP值。
首先说明什么是地图。 目标检测中测量识别精度的指标是map(meanaverageprecision )。 在多个类别的物体检测中，可以根据每个类别的recall和precision绘制曲线。 AP是该曲线下的面积，mAP是多个类别AP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。
因为是使用的voc规格的数据集，所以应该有训练图像的源文件、xml文件。 但是，这些文件并不直接在yolo网络上检测到，而是必须将每个图像转换为相应的描述性文件txt。 这里，每个图像都记载了检测物体的类别、位置、尺寸。 但是，对于进入fast-rcnn的mAP计算程序来说，他需要的确实是别的格式，由于博主在进行格式变换时出现了很多bug，所以现在统一了识别为voc格式的格式，MMC
要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，因此相对来说需要较少的进一步转换。 使用
./darknetdetectorvalidcfg/VOC.data CFG/lucky-VOC.CFG backup/lucky-slippers-color _ 30000.weights-out 123 -
上述代码使用yolo网络附带的valid函数界面测试大量图像，并将其存储在123.txt文件中。 其他文件、名称和位置也可以自己决定。
首先cfg/voc.data中有几种路径的记述，具体内容如下
类=1
train=/home/lucky/open/tuoxie _ VOC/train.txt
valid=/home/lucky/open/tuoxie _ VOC/valid.txt
names=data/voc.names
backup=backup
因为我只有一个标识，所以class为1，train是训练的数据地址描述文件，valid是值测试的地址描述文件。 后面的name是类别描述文件，backup通常是培训时保存的路径。 需要修改的只有名为valid的项目，指的是需要测试的文件名。
cfg/lucky-voc.cfg是指与培训、检查时相同的配置文件。
backup/lucky-slippers-color _ 30000.weights是指你使用的权重。
-out是参数，输出到紧接在其后的文件名。
-thresh是输出阈值参数，但没有设置为源代码，因此在实际测试中效果不大。 这里设为0.5。
执行此语句后，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，图像如下所示
(we use gpu！ 请无视。 这是博主以前测试gpu和cpu速度时输出的)
在文件./results/中可以看到刚才的输出文件123tuoxie.txt。 yolo对识别的内容进行分类，并在自定义名称之后附加类别名称，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，还是博客在以前的优化时错误地更改了yolo的源代码？ (从数据上看，设定的阈值确实没有用。 在源代码中也能看到。 ）
首先开始计算地图。 映射计算使用fast-rcnn的voc_eval函数。 因为专业变了，所以可以更直接地得到我们想要的数据。 首先，确保所有测试图像都与对应的xml文件在一起。 否则，在查找匹配的描述文件时会出现错误。请注意，所有分类的图片都要放在同一个目录！！！如下图所示
然后将计算出的源代码下载到本地小文件voc-eval-github中
git clone 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/123tuoxie.txt /home/lucky/open/tuoxie_VOC/valid.txt tuoxie/home/lucky/yolo/darknet/results/123tuoxie.txt是指刚才测试后的数据地址。/home/lucky/open/tuoxie_VOC/valid.txt，是测试的图片地址描述文件，和上面的voc.data是同一个文件。第四个参数tuoxie，是我们要计算mAP的类别名。然后，回车，运行，
不同的class有不同的valid文件，所以不同的分类需要一个一个测试。
这个用来测试mAP的文件因为麻烦，收到很多质问，博主在这一并回复。
为什么计算mAP的时候还需要xml文件？
答：因为yolo网络valid出来的是多个文件夹，每个文件夹代表一个分类检测出来的所有的情况，但是这些情况的信息使用使用像素位置来表示的。即，如果在480×480的图片中，里面检测出来的物体框图都是使用像素的位置，例如
20171015_210945 0.006307 292.750244 123.649994 354.466797 264.518311
代表着在20171015_210945图片中，检测出一个置信度为0.006307的物体，位置在292.750244 123.649994 354.466797 264.518311，这表示的是方框的对角的像素坐标。但是我们训练时候的标注文件（.txt）里面使用却是相对比例信息，例如
0.4 0.5 0.2 0.1
这个是指在图片比例0.4，0.5点有一个宽0.2，高0.1的物体。这就导致了求解mAP的时候信息格式是不对等的，所以只能从源xml文件找标注的信息。
为什么voc_eval文件计算的时候会保存一个txt文件？
答：因为xml的文件的原因，他需要统一路径，所以保存了文件，然后再读取，现在博主已经更新了，不会再保存文件了。
为什么读取valid文件错误？
因为博主设定的图片格式只有.jpg，现在已经支持.jpg .JPEG .png .PNG图像格式了。
为什么在使用voc_eval文件计算mAP的时候会显示目录错误。
请注意，是否将所有的测试图片都放在了同一个文件夹,请注意，一定要将所有的测试图片放在同一个文件夹内！！
为什么有时候会有split之类的错误？
博主遇到了这个问题，后来分析是因为测试集的名字有空格，所以导致在提取信息的时候会产生问题。如果真的是这个问题，那就需要修改yolo源码了，使yolo输出的文件用：或者其他符号来表示，然后提取的时候就不会出现这种问题。
新添加的功能 支持了查全率和查准率的图像的调取，保存在了目录下的123.jpg contact欢迎读者一起讨论，或者联系博主邮件：lucky_lsq@163.com