如何使用对象检测 API 来评估自己的自定义模型?我应该在配置文件中写入什么?
How do I use the Object Detection API to evaulate an own custom model? What do I write into the config files?
我有一个可以使用 model = MyModel()
和 model.loadweights(checkpoint)
调用的自定义对象检测模型,我想使用对象检测 API.
对其进行评估
据我了解,有两种可能性,要么我使用遗留的 eval.py,要么我不知道将什么放入 pipeline_config 文件
或者我使用在 model_main_tf2.py 中实现的较新版本,但在那里我必须将我的模型保存为 model.config,而且我也不知道要放置什么管道文件。
由于我的模型是YOLO模型,暂时还没有包含在样本中
https://github.com/tensorflow/models/tree/master/research/object_detection/configs/tf2
非常感谢您的帮助!
您无法使用对象检测 API 计算 mAP,因为 Yolo 没有 pipeline.config
文件。
但是,您可以检查 this 回购。它是 YoloV3 的基于 Tensorflow 的实现。他们有计算地图的工作代码。您可以相应地修改它以计算模型的 mAP。
我有一个可以使用 model = MyModel()
和 model.loadweights(checkpoint)
调用的自定义对象检测模型,我想使用对象检测 API.
据我了解,有两种可能性,要么我使用遗留的 eval.py,要么我不知道将什么放入 pipeline_config 文件
或者我使用在 model_main_tf2.py 中实现的较新版本,但在那里我必须将我的模型保存为 model.config,而且我也不知道要放置什么管道文件。
由于我的模型是YOLO模型,暂时还没有包含在样本中
https://github.com/tensorflow/models/tree/master/research/object_detection/configs/tf2
非常感谢您的帮助!
您无法使用对象检测 API 计算 mAP,因为 Yolo 没有 pipeline.config
文件。
但是,您可以检查 this 回购。它是 YoloV3 的基于 Tensorflow 的实现。他们有计算地图的工作代码。您可以相应地修改它以计算模型的 mAP。