如何获取不同IoU阈值下的地图评价指标和精度召回曲线用于目标检测Tensorflow API

Question

我在自己的数据上使用了Tensorflow对象检测API，我用预先训练的Resnet101模型训练了更快的RCNN神经网络。 我的系统包括在销售传单上检测产品，因此我的配置只有一个名为product的类。在

实际上，神经网络工作得很好，它可以很好地检测产品，但我想评估神经网络的性能，并获得数据，如mAP（平均平均精度）和在不同IoU阈值下的精确召回曲线。在

我试着去评估它，但是我有一些错误，因此我没有得到预期的结果。在

评估代码

python object_detection/eval.py --logtostderr --checkpoint_dir=train --eval_dir=eval --pipeline_config_path=modelo/faster_rcnn_resnet101_coco.config

更快的\u rcnn_resnet101_coco.config文件在

^{pr2}$

我在张量板上得到的结果

https://i.ibb.co/ysNLCn0/Screenshot-from-2019-08-15-18-55-03.png

我的问题是如何评估这个算法，以便在不同的IoU阈值和平均精度下得到精确的x召回曲线。在