黑马程序员技术交流社区

标题: 【上海校区】Mask-RCNN校验结果计算mAP值 [打印本页]

作者: 梦缠绕的时候 时间: 2018-10-24 09:36
标题: 【上海校区】Mask-RCNN校验结果计算mAP值
   Mask-RCNN校验结果可以通过计算mAP值得到一个数值的衡量，在10张图片上计算平均值，增加更高的准确性。

一、 mAP值的计算
P：precision，即准确率；

R：recall，即召回率。

PR曲线：即以precision和recall作为纵、横轴坐标的二维曲线。

AP值：Average Precision，即平均精确度。

mAP值：Mean Average Precision，即平均AP值；是对多个验证集个体求平均AP值。

二、Mask-RCNN计算mAP代码
Mask-RCNN计算mAP值时，会从logs文件中找到h5权重文件，然后用于测试。在train_shapes.ipynb文件后面加上以下代码：

train_shapes.ipynb代码下载地址：https://download.csdn.net/download/yql_617540298/10546011

（该代码是在Mask-RCNN原始train_shapes.ipynb代码基础上更改的，可以训练自己的数据集）

用Mask-RCNN训练自己的数据集遇到的问题可以查看之前的博客

地址如下：https://blog.csdn.net/yql_617540298/article/details/81078405

#mAP
# Compute VOC-Style mAP @ IoU=0.5
# Running on 10 images. Increase for better accuracy.
class InferenceConfig(ShapesConfig):
GPU_COUNT = 1
IMAGES_PER_GPU = 1

inference_config = InferenceConfig()

# Recreate the model in inference mode
model = modellib.MaskRCNN(mode="inference",
                        config=inference_config,
                        model_dir=MODEL_DIR)

# Get path to saved weights
# Either set a specific path or find last trained weights
# model_path = os.path.join(ROOT_DIR, ".h5 file name here")
model_path = model.find_last()

# Load trained weights
print("Loading weights from ", model_path)
model.load_weights(model_path, by_name=True)

# Test on a random image
image_id = random.choice(dataset_val.image_ids)
original_image, image_meta, gt_class_id, gt_bbox, gt_mask =\
modellib.load_image_gt(dataset_val, inference_config,
                        image_id, use_mini_mask=False)

log("original_image", original_image)
log("image_meta", image_meta)
log("gt_class_id", gt_class_id)
log("gt_bbox", gt_bbox)
log("gt_mask", gt_mask)

visualize.display_instances1(original_image, gt_bbox, gt_mask, gt_class_id,
                        dataset_train.class_names, figsize=(8, 8))

results = model.detect([original_image], verbose=1)

r = results[0]
visualize.display_instances1(original_image, r['rois'], r['masks'], r['class_ids'],
                        dataset_val.class_names, r['scores'], ax=get_ax())

image_ids = np.random.choice(dataset_val.image_ids, 10)
APs = []
for image_id in image_ids:
# Load image and ground truth data
image, image_meta, gt_class_id, gt_bbox, gt_mask =\
      modellib.load_image_gt(dataset_val, inference_config,
                           image_id, use_mini_mask=False)
molded_images = np.expand_dims(modellib.mold_image(image, inference_config), 0)
# Run object detection
results = model.detect([image], verbose=0)
r = results[0]
# Compute AP
AP, precisions, recalls, overlaps =\
      utils.compute_ap(gt_bbox, gt_class_id, gt_mask,
                     r["rois"], r["class_ids"], r["scores"], r['masks'])
APs.append(AP)

print("mAP: ", np.mean(APs))
三、结果显示

---------------------
作者：蹦跶的小羊羔
来源：CSDN
原文：https://blog.csdn.net/yql_617540298/article/details/81780850
版权声明：本文为博主原创文章，转载请附上博文链接！

作者: 不二晨 时间: 2018-10-25 10:42

作者: 魔都黑马少年梦 时间: 2018-11-1 16:18

欢迎光临黑马程序员技术交流社区 (http://bbs.itheima.com/)

黑马程序员IT技术论坛 X3.2