YoloV5s F32精度验证不通过

Viewed 363

根据github信息下载coco数据集2017和对应的annotation文件,使用如下参数,测试5000条数据,无法获得文档中的在交并集为0.5以上时对应的百分之五十六的准确率
当测试数据集中的一张照片时可以获得百分之五十的准确度

当图片数量为5、10-5000时,精度验证不超过百分之八,单独测试dog图片相似度对比通过为1.0、0.9999
是哪里操作不对吗?我拉取的是最新版本的源码20230803,直接早docker中编译测试。

6 Answers

在参数中新增--debug not_use_preprocess可以获得如下结果,发现主要是对推理执行之前的预处理部分进行了修改,目前暂不清楚这两种image预处理结果的区别

打开not_use_preprocess后,计算mAP时用的图片预处理是coco_mAP.py中精度计算类自带的预处理方法,和不用这选项时preprocess.py中标准方法我看到的最主要差别是在pad值,前者pad的值是114,后者默认是0(若使用文档上命令行),可能这里导致了结果的差异;若你是使用的是我们提供的模型和命令,可以给我们提供问题单,若是你自己的模型,可以确认下你训练模型时用的pad值以及确认下model_transformer命令预处理相关参数是否设置正确;

我使用的是系统自带的Yolov5s模型,上面的命令行可以看到,我没有更改任何的代码,直接进行执行的,问题单是什么?在哪里提交?你们直接拉项目用文档中的命令可以跑出结果吗?

这里补一张我粘贴的命令,都是从github拿过来的

上面参数中加2个参数:--pad_value为114、--pad_type为normal,试下效果呢;问题单应该是github上提个issue吧。

在参数中新增--debug not_use_preprocess可以获得如截屏结果,与文档14_mlir_eval中的结果会有差异,请问这个是正常吗?

4ZUmV86x6gw.png

在参数中新增--debug not_use_preprocess可以获得如截屏结果,与文档14_mlir_eval中的结果会有差异,请问这个是正常吗?