目标检测模型mAP计算

环境列表如下：Win10系统，tensorflow版本为1.13，python版本3.6，模型框架SSD。

1，模型训练

首先对于目标检测模型进行训练，生成ckpt文件，相关训练过程可以参考如下博客：

https://www.cnblogs.com/kxqblog/p/16129549.html

2，修改BUG

在 ssd-tensorflow文件夹下的tf_extended/metrics.py文件中 Line 51下，将

return variables.Variable
改为
return variables.VariableV1

3，修改eval_ssd_network.py

对于eval_ssd_network.py 文件，其路径在ssd-tensorflow-master文件夹下，在其 def main 前面插入一个函数，如下：

# paste by dbt

def flatten(x):
    result = []
    for el in x:
        if isinstance(el, tuple):
            result.extend(flatten(el))
        else:
            result.append(el)
    return result

然后，全文查找eval_op，修改原文中的2处代码。

num_evals=num_batches,
# eval_op=list(names_to_updates.values()),
eval_op=flatten(list(names_to_updates.values())),

4，单次ckpt计算mAP的命令

制作test数据，类似于之前生成train数据的tfrecord，在tensorflow环境下ssd-tensorflow-master下执行以下命令即可：

python tf_convert_data.py --dataset_name=pascalvoc --dataset_dir=D:\TensorflowModels\ImageData\Pascal_VOC\ --output_name=voc_2007_test --output_dir=D:\TensorflowModels\mobilnetv3_ssd\SSD-Tensorflow-Test\test_cat_tfrecord_1\

再执行以下命令计算mAP，命令如下：

python eval_ssd_network.py --eval_dir=D:\TensorflowModels\mobilnetv3_ssd\SSD-Tensorflow-Test\eva_test\ --dataset_dir=D:\TensorflowModels\mobilnetv3_ssd\SSD-Tensorflow-Test\test_cat_tfrecord_1\ --dataset_name=pascalvoc_2007 --dataset_split_name=test --model_name=ssd_300_vgg --checkpoint_path=D:\TensorflowModels\mobilnetv3_ssd\SSD-Tensorflow-Test\cat_models\model.ckpt-22105 --batch_size=1

各个参数意义为：

eval_dir为执行测试命令后日志等文件保存的目录，可以任意位置新建一个，最好是在ssd-tensorflow-master下

dataset_dir为之前保存测试tfrecord文件的位置

dataset_name为数据名的前缀，一般不用更改

dataset_split_name需要与之前生成tfrecord文件的文件名中第三个单词保持一致，本例中为test，区别于之前的train

model_name为加载的模型的名字，这里为ssd_300_vgg，与之前执行训练时的模型名字是一致的。

checkpoint_path为之前保存的训练模型的路径

batch_size为表示批量处理的数量

由于我之前的模型训练时间较短（约20min），因此平均准确率不高，训练结果如下所示：