Detectron2 進行評估 | 九

做者|facebookresearch 編譯|Flin 來源|Githubhtml

評估

評估是一個過程,須要多個輸入/輸出對並進行彙總。你始終能夠直接使用模型,而只是手動解析其輸入/輸出以執行評估。或者,能夠使用DatasetEvaluator 接口在detectron2中實現評估。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使用標準數據集特定的API(例如COCO,LVIS)來計算指標的工具。你還能夠實現本身的DatasetEvaluator,它使用輸入/輸出對來實現本身的其餘一些工做。例如,要計算在驗證集上檢測到多少個實例：機器學習

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存起來，或者打印出來，或者返回。
    return {"count": self.count}

一旦有了DatasetEvaluator,就能夠使用inference_on_dataset運行它。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()]))

與使用模型手動運行評估相比,此功能的優點在於你能夠使用DatasetEvaluators合併評估器。這樣,你能夠運行全部評估,而沒必要屢次瀏覽數據集。學習

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

inference_on_dataset功能還爲給定的模型和數據集提供準確的速度基準。lua

原文連接：https://detectron2.readthedocs.io/tutorials/evaluation.html.net

歡迎關注磐創AI博客站： http://panchuang.net/code

sklearn機器學習中文官方文檔： http://sklearn123.com/htm

歡迎關注磐創博客資源彙總站： http://docs.panchuang.net/接口