【pytorch-ssd目标检测】训练自己的模型（三）-测试模型的精度

r囧r小猫 2022-10-25 05:52 189阅读 0赞

## 训练数据集 ##

https://blog.csdn.net/abysswatcher1/article/details/113463551

## 修改部分 ##

首先对eval.py中的代码进行修改：

1.导入部分注释掉VOC和COCO，改为自己的数据集。  
2.第一个在parser.add\_argumen中，将路径改为之前训练好的模型的路径。

parser.add_argument('--trained_model',
                        default='C:/Users/25345/Desktop/pytorch_ssd-20200327T152054Z-001/weights/ssd300_COCO_5000.pth', type=str,
                        help='Trained state_dict file path to open')

3.annopath，imgpath，imgsetpath，devkit\_path的内容也要进行相应的修改：

#annopath = os.path.join(args.voc_root, 'VOC2007', 'Annotations', '%s.xml')
    #imgpath = os.path.join(args.voc_root, 'VOC2007', 'JPEGImages', '%s.jpg')
    #imgsetpath = os.path.join(args.voc_root, 'VOC2007', 'ImageSets',
    #                          'Main', '{:s}.txt')
    #YEAR = '2007'
    #devkit_path = args.voc_root + 'VOC' + YEAR
    mask_root = "C:/Users/25345/Desktop/pytorch_ssd-20200327T152054Z-001/pytorch_ssd/data/maskornot"
    annopath = os.path.join(mask_root, 'Annotations', '%s.xml')
    imgpath = os.path.join(mask_root, 'JPEGImages', '%s.jpg')
    #imgsetpath = os.path.join(mask_root, 'ImageSets',
    #                          'Main', '{:s}.txt')
    imgsetpath = os.path.join(mask_root, 'ImageSets','Main')+ os.sep + 'test.txt'
    devkit_path = mask_root

在之后添加

set_type = 'test'

4.部分函数的修改：

def get_voc_results_file_template(image_set, cls):
        # VOCdevkit/VOC2007/results/det_test_aeroplane.txt
        filename = 'det_' + image_set + '_%s.txt' % (cls)
        filedir = os.path.join(devkit_path, 'results')
        #print(filedir)
        if not os.path.exists(filedir):
            os.mkdir(filedir)
        path = os.path.join(filedir, filename)
        return path

def write_voc_results_file(all_boxes, dataset):
        for cls_ind, cls in enumerate(labelmap):
            print('Writing {:s} MASK results file'.format(cls))
            filename = get_voc_results_file_template(set_type, cls)
            with open(filename, 'wt') as f:
                for im_ind, index in enumerate(dataset.ids):
                    dets = all_boxes[cls_ind+1][im_ind]
                    if dets == []:
                        continue
                    # the VOCdevkit expects 1-based indices
                    for k in range(dets.shape[0]):
                        f.write('{:s} {:.3f} {:.1f} {:.1f} {:.1f} {:.1f}\n'.
                                format(index[1], dets[k, -1],
                                       dets[k, 0] + 1, dets[k, 1] + 1,
                                       dets[k, 2] + 1, dets[k, 3] + 1))

修改完成之后，即可运行eval.py进行测试，下面是我遇到的一个报错。

## 改错部分 ##

### RuntimeError: Legacy autograd function with non-static forward method is deprecated ###

### 原因 ###

detection.py文件中，因为Detect类继承自Function类，在pytorch1.3及以后的版本需要规定forward方法为静态方法，所以在pytorch1.3以上的版本执行出错。

### 解决方法 ###

1.可以将pytorch的版本降为1.2以下，即可解决，但是我的CUDA版本是11.0如果降低的话，CUDA也要重新装低版本的，这个方法不行。  
2.代码修改  
ssd.py中，  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2FieXNzd2F0Y2hlcjE_size_16_color_FFFFFF_t_70]  
box\_utils.py中，  
第一个添加的部分：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2FieXNzd2F0Y2hlcjE_size_16_color_FFFFFF_t_70 1]第二个部分：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2FieXNzd2F0Y2hlcjE_size_16_color_FFFFFF_t_70 2]接下来就可以显示模型的效果了，  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2FieXNzd2F0Y2hlcjE_size_16_color_FFFFFF_t_70 3]  
orange类的识别表现在测试集中的精确程度约为0.827，训练的效果还不错。

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2FieXNzd2F0Y2hlcjE_size_16_color_FFFFFF_t_70]: /images/20221024/234a7528893e493abca490c7e92b149b.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2FieXNzd2F0Y2hlcjE_size_16_color_FFFFFF_t_70 1]: /images/20221024/7a141eb9256e471dae14cc529b87e053.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2FieXNzd2F0Y2hlcjE_size_16_color_FFFFFF_t_70 2]: /images/20221024/fcd5e63d1bd84f72ab43c29ca5cc673f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2FieXNzd2F0Y2hlcjE_size_16_color_FFFFFF_t_70 3]: /images/20221024/aca3ba53ddde4486812efb78833884b3.png