Comment utiliser le contrôleur de précision pour le POT
- Commande RAN POT :
pot -c yojc4-tiny_voc.json --output-dir backup -e
Sortie : INFO:app.run.detection_accuracy:0.0 - Commande Ran Precision Checker : accuracy_check -c yolm4-tiny_voc.yml -td donne le résultat suivant :
AVERTISSEMENT accuracy_checker : /opt/intel/openvino_2021/deployment_tools/open_model_zoo/tools/accuracy_checker/accuracy_checker/metrics/detection.py:201 : UserWarning : Aucune détection pour calculer le mAP
warnings.lnts (« Aucune détection pour calculer le mAP »)carte : 0,00 %
AP@0.5 : 0,00 %
AP@0.5:0,05:95 : 0,00 %
L’ensemble de données Défi des classes d’objets visuels (VOC) n’est pas validé par Intel. Intel a validé la précision à l’aide de l’ensemble de données COCO (Common Objects in Context), comme indiqué dans la documentation Yolo-v4-tf. Il est possible qu’en utilisant coco_precision pour calculer le mAP pour l’ensemble de données non COCO, cela ne donne pas le meilleur résultat.
Pour éviter d’obtenir 0,00 % de la valeur mAP pendant l’exécution du contrôleur de précision, passez de la VOC à l’ensemble de données MSCOCO et utilisez différentes mesures telles que detection_accuracy qui fonctionnent avec la représentation detectionAnnotation.
Reportez-vous à Comment exécuter des exemples pour connaître les étapes permettant d’effectuer des vérifications de précision sur les modèles.