Detectron2 进行评估 | 九

做者|facebookresearch 编译|Flin 来源|Githubhtml

评估

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

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。你还能够实现本身的DatasetEvaluator,它使用输入/输出对来实现本身的其余一些工做。例如,要计算在验证集上检测到多少个实例：机器学习

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,就能够使用inference_on_dataset运行它。例如,工具

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,此功能的优点在于你能够使用DatasetEvaluators合并评估器。这样,你能够运行全部评估,而没必要屡次浏览数据集。学习

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。lua

原文连接：https://detectron2.readthedocs.io/tutorials/evaluation.html.net

欢迎关注磐创AI博客站： http://panchuang.net/code

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

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