我正在尝试运行'mAP_evaluation.py‘在我自己的数据集上获得mAP评估：https://github.com/Tessellate-Imaging/Monk_Object_Detection/tree/master/4_efficientdet/lib 但是我认为整个python文件都是为COCO数据集创建的，但是如果我使用evaluate_coco()函数，那么我就
浏览 39提问于2020-12-07得票数 0
我想评估一个自定义培训的Tensorflow对象检测模型在一个新的测试集上使用Google。gcloud ml-engine jobs submit training()或PASCAL mAP ()，这些测试数据集以前没有使用过(无论是在培训期间还是在评估期间)。我知道如何为<em
浏览 0提问于2019-04-01得票数 5
回答已采纳
1回答
了解和跟踪对象检测中的度量
、、、、
如果我在自己的数据集上进行一些培训或评估，我会对度量有一些疑问。我仍然是这个话题的新手，只是尝试了tensorflow和googles对象检测api和tensorboard.所以我做了所有这些事情，用对象检测api来启动和运行，对一些图像进行训练，并在其他图像上进行一些评估。因此，我决定使用加权PASCAL度量集进行评估:在张量板中，我为每个类和mAP获得了一些mAP</e
浏览 0提问于2018-01-26得票数 2
我正在使用Google Colab，Tensorflow version1，SSD mobile net v2 CoCo模型来训练自定义数据集。但在AP和AR = -1的图像上方的自定义数据集上进行评估。我不明白为什么会出现结果？
你能回答这个问题吗？谢谢。
浏览 3提问于2021-05-19得票数 1
现在，我想在一个无偏的数据集上评估模型。我尝试了这两种方法，但正如预期的那样，在类似的图片上进行评估时，我有一个mAP=0.9，而在完全不同的图像上进行评估时，有一个mAP=0.5。附加问题:当我想向客户显示结果时，mAP是一个相关的度量吗
浏览 0提问于2020-02-05得票数 1
2回答
我正在用Keras训练一个CNN的LSTM模型，在训练完成之后，我试着对测试数据进行评估，就像我对CNN进行微调时所做的那样，但是这次出现了一个错误。在完成培训之后，我试图按照下面的代码对测试集进行评估：
x_testBi_LSTM.evaluate(x_test, y_test,
浏览 0提问于2018-10-16得票数 0
回答已采纳
我们正在尝试使用MS计算机视觉服务对损坏的汽车和未损坏的汽车进行分类。问题是，与更多的数据相比，当对较少的数据进行培训时，该模型表现得更好。知道发生了什么事吗？
浏览 0提问于2022-07-04得票数 0
1回答
验证和评估精度的差异
、、、、
我正在使用预先训练的GoogLeNet，然后在我的数据集中对它进行精细的调整，以便对11个类进行分类。验证数据集似乎给出了“损耗3/头1”86.5%。但是当我在我的评估数据集上评估性能时，它给了我77%的准确性。无论我做了什么更改，train_val.prototxt，我在deploy.prototxt中都做了相同的更改。验证和评估的准确性之间的区别是正常的还是我做错了什
浏览 2提问于2016-06-07得票数 2
回答已采纳
通常我们在训练集上训练我们的模型，在开发集上评估它们，进行一些修改，再次训练和评估，等等(开发阶段)，最后在测试集上进行一次评估。
假设我们只有很少的训练数据。然后，在开发阶段之后使用培训和开发集是有意义的。人们可以像往常一样估计超参数，最后(最终训练)将dev集添加到训练集，用先前估计的超参数训练模型，并在测试集上对其进行一次
浏览 0提问于2018-03-23得票数 0
2回答
在我的数据集上，我从模型动物园训练了一个深入的学习模型。我在用谷歌Colab。训练结束后，我想对我的模型进行评估。我正在使用coco检测指标。我使用下面的脚本来评估我的模型， --checkpoint_dir = path/to/checkpoint directory
运行上述代码后，我得到测试集上最新检查点的平
浏览 8提问于2021-05-06得票数 1
1回答
我正在评估一个使用精确和召回的推荐引擎。到目前为止，我已经用4个不同的数据集对系统进行了评估，精度值分别为0.833、0.857、0.857和0.769。相同数据集的召回值分别为0.448、0.875、0.5504和0.512。如何使用这些结果来评估测试中的推荐引擎？我是否应该在同一数据集上应用标准CF并检查值，或者是否有任何标准的精确和召回基准来对推荐系统进行分
浏览 7提问于2014-09-28得票数 1
回答已采纳
3回答
我已经对faster_rcnn_resnet101模型进行了微调，该模型可以在上用于检测自定义对象。我把数据分割成了train和eval集合，并在培训时在配置文件中使用了它们。现在，在培训完成之后，我想在一个看不见的数据上测试我的模型(我称之为测试数据)。我使用了几个函数，但无法确定从tensorflow的API中使用哪些代码来评估测试数据集上的性能。以下是我尝试过的事情：
我使用object_detection/met
浏览 1提问于2019-01-07得票数 4
回答已采纳
4回答
Java流分组
、、、、
Java 8流允许我们在按任意约束进行分组时收集元素。例如： .collect(groupingBy(myThing -> myThing.type()));
但是，这有一个缺点，即流必须被完全读取，因此不可能延迟对grouped上的未来操作进行评估。是否有办法进行分组操作以获得类似Stream<Tuple<Type, Stream<MyThing>
浏览 0提问于2016-08-29得票数 2
回答已采纳
我目前正在评估一个基于隐式反馈的推荐系统。对于对任务进行排序的评估指标，我有点困惑。具体来说，我希望通过精确性和回忆性来进行评估。精度@k的优点是不需要对相关文档集的大小进行任何估计，但缺点是它是常用的评估方法中最不稳定的，而且它并不平均，因为查询的相关文档总数对k的精度有很大的影响。我已经注意到，它往往是非常不稳定的，因此，我想将多个评估日志的结果平均化。
我想知道，如果我运行一个返回以下数组的<
浏览 1提问于2019-04-18得票数 18
回答已采纳
问题是，在本教程中，主数据集被拼接到培训和测试中。在这里，训练集用于训练和评估()函数中的测试。
据我所知，在处理神经网络时，通常将数据分成3组:训练、验证和测试。据我所知，通常对模型进行训练，然后进行评估，然后根据评估步骤中学到的内容更新权重。然而，我似乎找不到评估功能和培训之间的任何联系。因此，在此示例中，使用相同的数据集对模型进行<
浏览 0提问于2020-10-05得票数 0
回答已采纳
2回答
我对机器学习中的整个数据集有两个问题，我很乐意得到一个答案：(1)为什么计算和使用测试集的均值和标准差是不恰当的?2.为什么我们要限制使用测试集的次数，以及我们应该使用验证？
坦克很多
浏览 0提问于2022-11-23得票数 1
1回答
评估推荐系统的方法主要有三种:离线、在线和用户研究。在大多数学术论文中，采用离线评估来表明以下改进：他们在训练数据集上训练模型。他们在测试数据集上对它们进行评估。
然而，对于大多数非序贯推荐工作，数据集分割似乎是随机的，没有考虑记录的时序顺序。我认为这可能会造成高估的问题。例如，考虑在i
浏览 0提问于2019-10-09得票数 1
云服务器
ICP备案
云直播
对象存储
实时音视频
腾讯云开发者
