Detectron2 进行评估 | 九

作者|facebookresearch 编译|Flin 来源|Github

评估

评估是一个过程,需要多个输入/输出对并进行汇总。你始终可以直接使用模型,而只是手动解析其输入/输出以执行评估。或者,可以使用DatasetEvaluator 接口在detectron2中实现评估。接口。

直接使用模型：https://detectron2.readthedocs.io/tutorials/models.html
DatasetEvaluator:https://detectron2.readthedocs.io/modules/evaluation.html#detectron2.evaluation.DatasetEvaluator)

Detectron2包括一些DatasetEvaluator使用标准数据集特定的API(例如COCO,LVIS)来计算指标的工具。你还可以实现自己的DatasetEvaluator,它使用输入/输出对来实现自己的其他一些工作。例如,要计算在验证集上检测到多少个实例：

class Counter(DatasetEvaluator):
  def reset(self):
    self.count = 0
  def process(self, inputs, outputs):
    for output in outputs:
      self.count += len(output["instances"])
  def evaluate(self):
    # 把self.count存起来，或者打印出来，或者返回。
    return {"count": self.count}

一旦有了DatasetEvaluator,就可以使用inference_on_dataset运行它。例如,

inference_on_dataset:https://detectron2.readthedocs.io/modules/evaluation.html#detectron2.evaluation.inference_on_dataset

val_results = inference_on_dataset(
    model,
    val_data_loader,
    DatasetEvaluators([COCOEvaluator(...), Counter()]))

与使用模型手动运行评估相比,此功能的优势在于你可以使用DatasetEvaluators合并评估器。这样,你可以运行所有评估,而不必多次浏览数据集。

DatasetEvaluators:https://detectron2.readthedocs.io/modules/evaluation.html#detectron2.evaluation.DatasetEvaluators

inference_on_dataset功能还为给定的模型和数据集提供准确的速度基准。

原文链接：https://detectron2.readthedocs.io/tutorials/evaluation.html

欢迎关注磐创AI博客站： http://panchuang.net/

sklearn机器学习中文官方文档： http://sklearn123.com/

欢迎关注磐创博客资源汇总站： http://docs.panchuang.net/

来源：oschina

链接：https://my.oschina.net/u/4253699/blog/4293015

标签

Read the Docs

def

python

detectron