使用pycocotools打印更多数据（注意，修改后最好再还原！最好是一次性使用）

1 写在前面

• 夹带私货，可能有用呢：YOLOv7-tiny，通过pycocotools包得到预测大中小尺寸目标的指标值

2 代码效果

原始效果：

代码修改之后的效果：

3 代码修改

修改F:\SoftWarelnstall\Anaconda3\envs\torch1.10\Lib\site- packages\pycocotools\cocoeval.py这个文件，别找错了虚拟环境了哟，我这里修改的是自己配置好的torch1.10虚拟环境里面的文件

在cocoeval.py中定位到def _summarizeDets():，然后进行如下修改👇

            # ------------------------------------------------------lwd edit-------------------------------------------------- #
            print('-' * 30)
            stats[12] = _summarize(1, iouThr=.5, areaRng='small', maxDets=self.params.maxDets[2])
            stats[13] = _summarize(1, iouThr=.5, areaRng='medium', maxDets=self.params.maxDets[2])
            stats[14] = _summarize(1, iouThr=.5, areaRng='large', maxDets=self.params.maxDets[2])
            print('-' * 30)
            stats[15] = _summarize(0, iouThr=.5, areaRng='small', maxDets=self.params.maxDets[2])
            stats[16] = _summarize(0, iouThr=.5, areaRng='medium', maxDets=self.params.maxDets[2])
            stats[17] = _summarize(0, iouThr=.5, areaRng='large', maxDets=self.params.maxDets[2])
            # ------------------------------------------------------lwd edit-------------------------------------------------- #

上面的_summarize()函数里面可以传入4个参数，默认参数值是ap=1, iouThr=None, areaRng='all', maxDets=100：

1. ap：为1就表示是计算Average Precision，0是Average Recall
2. iouThr：iou值，默认值是None，然后就是计算0.5:0.95，通常还可以设置为.5、.75
3. areaRng：计算范围，默认是all，还可以是small、medium、large
4. maxDets：最大的检测目标数，默认是100，通常还可以填写0、10

通过设置上面的参数，就可以得到自己想要的值了

用完了之后记得还原哟！