--show-score-thr: 能够展示的概率阈值,默认为 0。 --cfg-options: 如果指定,可根据指定键值对覆盖更新配置文件的对应选项。 注:这里要使用的是test.py 输出的 pickle 格式结果文件。 test.py获取pickle 格式样例 python tools/test.py example_faster_rcnn_export.py latest.pth --eval bbox --out out.pk...
--show-score-thr: 能够展示的概率阈值,默认为 0。 --cfg-options: 如果指定,可根据指定键值对覆盖更新配置文件的对应选项。 注:这里要使用的是test.py 输出的 pickle 格式结果文件。 test.py获取pickle 格式样例 注:可以选择评估方式 --eval ,对于 COCO 数据集,可选 bbox 、segm、proposal ;对于 VOC 数据...
--show-score-thr : 后接置信度阈值,设定了的话低于该阈值的检测框会被移除 --cfg-options : 用于修改配置文件的参数 --eval-options : 仅用于eval,后接的参数会被传入 dataset.evaluate()函数 在测试时也可以指定检测结果存为json文件,添加命令: --format-only --options "jsonfile_prefix=your result save...
result_file (str): pkl file of testing results path. metric (str): Metrics to be evaluated. Options are 'bbox', 'segm'. """ cfg = Config.fromfile(config_file) # turn on test mode of dataset if isinstance(cfg.data.test, dict): cfg.data.test.test_mode = True elif isinstance(cfg...
--cfg-options: 如果指定,可根据指定键值对覆盖更新配置文件的对应选项。 注:这里要使用的是test.py 输出的 pickle 格式结果文件。 test.py获取pickle 格式样例 注:可以选择评估方式 --eval ,对于 COCO 数据集,可选 bbox 、segm、proposal ;对于 VOC 数据集,可选 map、recall也可以选择 --out ,指定测试结果...
--cfg-options: 如果指明,这里的键值对将会被合并到配置文件中。 调用摄像头 python demo/webcom_demo.py ${CONFIG_FILE} ${CHECKPOINT_FILE} --camera-id 0 --score-thr 0.7 camera-id是你的相机标号,根据实际情况指定,score-thr 是检测阈值,(0-1)之间,越大代表检测置信度越高才会框出被检测物体,过小...
_base_ = ['../_base_/default_runtime.py']...# optimizeroptimizer = dict( # 设置使用AdamW优化器(默认使用的是SGD)type='AdamW',lr=0.0001,weight_decay=0.0001,paramwise_cfg=dict(custom_keys={'backbone': dict(lr_mult=0.1, decay_mult=1.0)}))evaluation = dict(interval=5, metric='bbox'...
args.cfg_options['load_from'] = conf['checkpoint_file'] args.work_dir = os.path.join(data_root,"work_dir") train(args) checkpoint_name = time.strftime("%Y%m%d%H%M%S", time.localtime(time.time())) +".pth"shutil.copy(os.path.join(args.work_dir,"latest.pth"), os.path.join(con...
>>> from mmcv import Config >>> cfg = Config.fromfile('configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py')配置信息便以字典的形式保存在了cfg变量中。我们可以输入对应的命令来查看配置信息。1 >>> cfg.dataset_type 2 'CocoDataset' 3 >>> cfg.data_root 4 'data/coco/' 5 >>> cfg....
python tools/test.py ${CONFIG_FILE}${CHECKPOINT_FILE}[--out ${RESULT_FILE}][--eval ${EVAL_METRICS}][--show][--cfg-options] analyze_logs 然后我们可以用训练的日志文件来生成 loss 曲线等,这个在tools/analyze_logs.py文件中有提及,挺方便的 ...