yolo模型(二)yolo模型计算mAP和recall

训练好yolo模型之后（训练过程具体参考我的博客https://blog.csdn.net/xue_csdn/article/details/91043911），需要评估模型的性能，主要通过计算两个参数mAP和recall。

1、计算mAP:

• 首先，生成检测结果文件

./darknet detector valid cfg/voc.data cfg/yolov2-voc.cfg backup/yolov2-voc_70000.weights -out detect_result.txt -gpu 0

如果是单GPU，最后的 -gpu 0 是默认不用写的。

运行结果如图：

最后在darknet/result文件夹下生成n个（n是你数据集的类别数）txt文件。

• 其次，利用faster rcnn 中voc_eval计算mAP

将py-faster-rcnn/lib/datasets/voc_eval.py拷贝到darknet根目录（如果你没有安装faster-rcnn，可以参考我的另一篇博客