object-detection - 根据测试数据集计算 YOLO mAP

Question

AFAIK YOLO 在训练期间根据验证数据集计算 mAP。现在可以针对 计算相同的值吗？看不见测试数据集 ?
命令:

./darknet detector map obj.data yolo-obj.cfg yolo-obj_best.weights

对象数据:

classes = 1
train = train.txt
valid = test.txt
names = classes.txt
backup = backup

我已导演 有效 测试包含注释图像的数据集。但我总是得到以下结果:

 calculation mAP (mean average precision)...
44
 detections_count = 50, unique_truth_count = 43  
class_id = 0, name = traffic_light, ap = 100.00%     (TP = 43, FP = 0) 

 for conf_thresh = 0.25, precision = 1.00, recall = 1.00, F1-score = 1.00 
 for conf_thresh = 0.25, TP = 43, FP = 0, FN = 0, average IoU = 85.24 % 

 IoU threshold = 50 %, used Area-Under-Curve for each unique Recall 
 mean average precision (mAP@0.50) = 1.000000, or 100.00 % 
Total Detection Time: 118 Seconds

并不是说我对 100% mAP 不满意，但这绝对是错误的，不是吗？
任何建议将不胜感激。
问候，
塞纳格

Answer 1

Now is it possible to calculate the same against unseen test dataset ?

是的，mAP 计算需要带有相应标签/注释的图像。

I have directed valid to test dataset containing annotated images.

是的，这是做你想做的事情的方式。
您在这里看到的可能是已知的 bug ，前提是您使用的是 old code并且在那之后没有更新。 这种情况建议你拉最新的darknet并尝试。
请注意，如果模型训练得非常好，并且如果您的测试集在复杂性方面很简单(尽管它是看不见的)或者它在视觉上与训练集相似，那么也有可能获得这样的数字，正如我们正在谈论的那样少量的测试样本。