目录
以下为自己学习所用,不足之处请在评论区指出。
? ? ?这里语令作用是计算每个图像 mAP,随后根据真实标注框与预测框的比较结果,展示或保存最高与最低 top-k 得分的预测图像。
?由于结果分析工具是对测试结果文件(.pkl文件)进行处理,因此这里先需要使用mmdetection中的tools/test.py工具获得.pkl结果,这里使用的命令语句如下。
python tools/test.py \ ${CONFIG_FILE} \ ${CHECKPOINT_FILE} \ [--out ${RESULT_FILE}] \ [--show]
? 这里我的配置文件绝对路径是C:\Users\13642\mmdetection\jupyter\test01_retinanet_r18_fpn_1x_coco.py
checkpoint文件绝对路径是C:\Users\13642\mmdetection\jupyter\epoch_12.pth
运行以下命令即可保存.pkl格式的测试结果文件。
python tools/test.py C:\Users\13642\mmdetection\jupyter\test01_retinanet_r18_fpn_1x_coco.py C:\Users\13642\mmdetection\jupyter\epoch_12.pth --show --out retinanet_r18_results.pkl
运行结果如下。
?
python tools/analysis_tools/analyze_results.py \
? ? ? ${CONFIG} \
? ? ? ${PREDICTION_PATH} \
? ? ? ${SHOW_DIR} \
? ? ? [--show] \
? ? ? [--wait-time ${WAIT_TIME}] \
? ? ? [--topk ${TOPK}] \
? ? ? [--show-score-thr ${SHOW_SCORE_THR}] \
? ? ? [--cfg-options ${CFG_OPTIONS}]
config:你自己的配置文件路径,建议大家使用绝对路径;
prediction_path:1.1中所保存的.pkl文件路径;
show_dir:真实标注框与预测框的图像存放目录;
show:决定是否展示绘制 box 后的图片,默认值为?False;
wait-time:show 时间的间隔,若为 0 表示持续显示;
topk:根据最高或最低?topk
?概率排序保存的图片数量,若不指定,默认设置为?20;
show-score-thr:能够展示的概率阈值,默认为?0;
这里使用的配置文件同上一步一样。.pkl格式文件的路径为C:\Users\13642\mmdetection\retinanet_r18_results.pkl
在终端输入以下命令即可得到根据真实标注框与预测框的比较结果,保存?20张预测图像。
python tools/analysis_tools/analyze_results.py C:\Users\13642\mmdetection\jupyter\test01_retinanet_r18_fpn_1x_coco.py C:\Users\13642\mmdetection\retinanet_r18_results.pkl results --show
保存路径如下
?
该语令的作用是将标注绘制在图像上,可视化呈现,并保存图像至指定目录。
python tools/analysis_tools/browse_dataset.py ${CONFIG} [-h] [--skip-type ${SKIP_TYPE[SKIP_TYPE...]}] [--output-dir ${OUTPUT_DIR}] [--not-show] [--show-interval ${SHOW_INTERVAL}]
config:配置文件路径;
show-interval:显示图片的时间间隔,加上10就是间隔10s显示一张图片。
python C:\Users\13642\mmdetection\tools\analysis_tools\browse_dataset.py C:\Users\13642\mmdetection\jupyter\test01_retinanet_r18_fpn_1x_coco.py --show-interval 10
?
该语令用于计算指定模型的 FLOPs、参数量大小。
python tools/analysis_tools/get_flops.py ${CONFIG_FILE} [--shape ${INPUT_SHAPE}]
python C:\Users\13642\mmdetection\tools\analysis_tools\get_flops.py C:\Users\13642\mmdetection\jupyter\test01_retinanet_r18_fpn_1x_coco.py