Yolov3 MAP、Recall和P-R曲线的详细可视化分析

简介：
本研究深入探讨了Yolov3模型在不同场景下的性能表现，通过MAP值、召回率及P-R曲线的详尽可视化分析，揭示其检测精度与效率特点。 运行darknet官方代码中的detector valid指令来生成测试集的检测结果。使用命令 `.\darknet detector valid -out ` ，其中voc.data文件以及cfg配置文件是你训练模型所使用的，weights则是你的训练输出权重文件。需要修改的是voc.data 文件，在该文件中第三行应设置为验证用的数据集路径。 执行完指令后，程序当前目录会生成一个名为results的文件夹，里面包含检测结果，具体格式如下：comp4_det_test_.txt。这些文本段落件中的数据以以下形式展示：文件名 置信度 x y w h。