我正在从对象检测 API 运行教程，并将 Oxford 数据集与 ResNet Faster-RCNN 一起使用。
当我通过运行 (eval.py) 评估经过训练的模型时，Tensorboard 返回大约 0.95 的平滑精度值。
我的问题是它评估了多少图像集？因为来自 Tensorboard 及其教程链接（https://github.com/tensorflow/models/blob/master/object_detection/g3doc/running_pets.md https://github.com/tensorflow/models/blob/master/object_detection/g3doc/running_pets.md），Tensorboard只显示10张图像。
这是否意味着他们只用 10 张图像来检查精度？
我的牛津数据集验证 jpg 数量应该约为 2,200。
在我的配置中，我正确指定了输入路径，如下所示：
eval_input_reader: {
tf_record_input_reader {
input_path: "my_path/pet_val.record"
}
label_map_path: "my_path/pet_label_map.pbtxt"
shuffle: false
num_readers: 1
}
eval.py 最后打印 mAP 吗？
大约三天前，我在 1 GPU 本地计算机上运行 eval.py，但它没有打印任何内容。
最后，这个API是否提供F值和fps（每秒帧数）？有人有这方面的经验吗？
编辑：似乎我们可以从配置中设置评估大小限制，例如/object_detection/samples/configs/faster_rcnn_resnet101_pets.config#L131。当我打印 len(result_lists) 时https://github.com/tensorflow/models/blob/master/object_detection/eval_util.py#L404 https://github.com/tensorflow/models/blob/master/object_detection/eval_util.py#L404，它打印 2000，这是我的 eval num_examples。
我还可以通过手动比较时间戳来生成 fps。
默认情况下，我们仅在 Tensorboard 上可视化 10 个图像（以避免图像淹没它），但这可以从评估配置 https://github.com/tensorflow/models/blob/master/object_detection/protos/eval.proto#L11。您还可以在配置中更改评估的图像数量（默认为 5000）。
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
