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
目前没有回答
相关问题 更多 >
编程相关推荐