YOLOv8使用COCO评测,解决AssertionError: Results do not correspond to current coco set.

本文主要是介绍YOLOv8使用COCO评测,解决AssertionError: Results do not correspond to current coco set.,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

YOLO评测指标和COCO评测指标还是有些区别的,通过数据表明YOLO评测指标要比COCO评测指标高2,3个点都是正常的。
跟着流程走吧!!

yolo设置

yolo.eval()评估的时候,需要设置save_json = True保存结果json文件

model = YOLO("weight/best.pt")
model.val(data="data.yaml",imgsz=640, save_json=True)

结果默认保存在runs/detect/val/predictions.json

Id转化

coco格式id是从0-n,一个序列。而yolo的id是文件名称,字符。需要借助标签文件进行映射,写到新文件中

def cover_pred_json_id(anno_json_path, pred_json_path):with open(anno_json_path, "r") as f:ann_json = json.load(f)with open(pred_json_path, "r") as f:pred_json = json.load(f)for pred_item in pred_json:img_id = pred_item["image_id"]ann_id = [ann_item["id"] for ann_item in ann_json["images"] if ann_item["file_name"][:-4] == img_id]try:pred_item["image_id"] = ann_id[0]except IndexError:print(img_id)out_json_path = os.path.join(os.path.dirname(pred_json_path),"newpred.json")with open(out_json_path, 'w') as file:json.dump(pred_json, file, indent=4)return out_json_path

评测

完整代码


def parse_opt():parser = argparse.ArgumentParser()parser.add_argument('--anno_json', type=str, default='datasets/annotations/instances_val2017.json', help='training model path')parser.add_argument('--pred_json', type=str, default='utils/json_files/newcocopred.json', help='data yaml path')return parser.parse_known_args()[0]def cover_pred_json_id(anno_json_path, pred_json_path):with open(anno_json_path, "r") as f:ann_json = json.load(f)with open(pred_json_path, "r") as f:pred_json = json.load(f)for pred_item in pred_json:img_id = pred_item["image_id"]ann_id = [ann_item["id"] for ann_item in ann_json["images"] if ann_item["file_name"][:-4] == img_id]try:pred_item["image_id"] = ann_id[0]except IndexError:print(img_id)out_json_path = os.path.join(os.path.dirname(pred_json_path),"newpred.json")with open(out_json_path, 'w') as file:json.dump(pred_json, file, indent=4)return out_json_pathif __name__ == '__main__':opt = parse_opt()anno_json = opt.anno_jsonpred_json = opt.pred_jsonpred_json = cover_pred_json_bbox(anno_json, pred_json) # cover yolo id to coco idanno = COCO(anno_json)  # init annotations apiprint(pred_json)pred = anno.loadRes(pred_json)  # init predictions apieval = COCOeval(anno, pred, 'bbox')eval.evaluate()eval.accumulate()eval.summarize()

如果不出意外的话,会正确打印结果:
coco result

错误

  1. 如果出现评测指标为0的时候,说明category_id都没对应上,coco是从1开始计算, 而yolo是0开始
    更改ultralytics/models/yolo/detect/val.py设置self.is_coco = True
    def init_metrics(self, model):"""Initialize evaluation metrics for YOLO."""val = self.data.get(self.args.split, "")  # validation pathself.is_coco = True # isinstance(val, str) and "coco" in val and val.endswith(f"{os.sep}val2017.txt")  # is COCOself.class_map = converter.coco80_to_coco91_class() if self.is_coco else list(range(1000))self.args.save_json |= self.is_coco  # run on final val if training COCOself.names = model.namesself.nc = len(model.names)self.metrics.names = self.namesself.metrics.plot = self.args.plotsself.confusion_matrix = ConfusionMatrix(nc=self.nc, conf=self.args.conf)self.seen = 0self.jdict = []self.stats = dict(tp=[], conf=[], pred_cls=[], target_cls=[])
  1. 如果出现AssertionError: Results do not correspond to current coco set的错误通常是预测文件和标签中的id值不对应,这时候就要查看预测的文件中是不是少了或者多了哪个文件。

这篇关于YOLOv8使用COCO评测,解决AssertionError: Results do not correspond to current coco set.的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1036753

相关文章

中文分词jieba库的使用与实景应用(一)

知识星球:https://articles.zsxq.com/id_fxvgc803qmr2.html 目录 一.定义: 精确模式(默认模式): 全模式: 搜索引擎模式: paddle 模式(基于深度学习的分词模式): 二 自定义词典 三.文本解析   调整词出现的频率 四. 关键词提取 A. 基于TF-IDF算法的关键词提取 B. 基于TextRank算法的关键词提取

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

Hadoop数据压缩使用介绍

一、压缩原则 (1)运算密集型的Job,少用压缩 (2)IO密集型的Job,多用压缩 二、压缩算法比较 三、压缩位置选择 四、压缩参数配置 1)为了支持多种压缩/解压缩算法,Hadoop引入了编码/解码器 2)要在Hadoop中启用压缩,可以配置如下参数

Makefile简明使用教程

文章目录 规则makefile文件的基本语法:加在命令前的特殊符号:.PHONY伪目标: Makefilev1 直观写法v2 加上中间过程v3 伪目标v4 变量 make 选项-f-n-C Make 是一种流行的构建工具,常用于将源代码转换成可执行文件或者其他形式的输出文件(如库文件、文档等)。Make 可以自动化地执行编译、链接等一系列操作。 规则 makefile文件

使用opencv优化图片(画面变清晰)

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化,使其看起来更清晰,同时保持尺寸不变,通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多,主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器:相机传

如何解决线上平台抽佣高 线下门店客流少的痛点!

目前,许多传统零售店铺正遭遇客源下降的难题。尽管广告推广能带来一定的客流,但其费用昂贵。鉴于此,众多零售商纷纷选择加入像美团、饿了么和抖音这样的大型在线平台,但这些平台的高佣金率导致了利润的大幅缩水。在这样的市场环境下,商家之间的合作网络逐渐成为一种有效的解决方案,通过资源和客户基础的共享,实现共同的利益增长。 以最近在上海兴起的一个跨行业合作平台为例,该平台融合了环保消费积分系统,在短

pdfmake生成pdf的使用

实际项目中有时会有根据填写的表单数据或者其他格式的数据,将数据自动填充到pdf文件中根据固定模板生成pdf文件的需求 文章目录 利用pdfmake生成pdf文件1.下载安装pdfmake第三方包2.封装生成pdf文件的共用配置3.生成pdf文件的文件模板内容4.调用方法生成pdf 利用pdfmake生成pdf文件 1.下载安装pdfmake第三方包 npm i pdfma

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

git使用的说明总结

Git使用说明 下载安装(下载地址) macOS: Git - Downloading macOS Windows: Git - Downloading Windows Linux/Unix: Git (git-scm.com) 创建新仓库 本地创建新仓库:创建新文件夹,进入文件夹目录,执行指令 git init ,用以创建新的git 克隆仓库 执行指令用以创建一个本地仓库的

【北交大信息所AI-Max2】使用方法

BJTU信息所集群AI_MAX2使用方法 使用的前提是预约到相应的算力卡,拥有登录权限的账号密码,一般为导师组共用一个。 有浏览器、ssh工具就可以。 1.新建集群Terminal 浏览器登陆10.126.62.75 (如果是1集群把75改成66) 交互式开发 执行器选Terminal 密码随便设一个(需记住) 工作空间:私有数据、全部文件 加速器选GeForce_RTX_2080_Ti