如何找到预训练的模型精度和混淆矩阵以进行目标检测

时间:2019-06-04 04:22:59

标签: python tensorflow object-detection

我正在使用张量流对象检测具有更快的RCNN inception_v2 coco的预训练模型作为自己的数据集。所以我的问题是如何为自己的数据集找到模型的准确性和混淆矩阵?

1 个答案:

答案 0 :(得分:0)

如果要获得混淆矩阵很容易,则此示例适用于PyCM 图书馆: 首先,以80%的比例训练模型,然后使用保持测试或也称为“测试数据”或x_test的模型。 模型提供的测试数据将使用从未有过的数据预测类,如果您使用所有数据训练模型,则该模型只会进行“窥视”,该术语是指模型仅在“窥视”特征,并且永远都无法预测,因为只能“查看”之前看到的数据。

例如,要得到一个混淆矩阵,首先我们用测试数据对模型进行测试:

<mysorageac>.<zone>.web.core.windows.net

然后我们使用PyCM库获取混淆矩阵

y_predicted = model.predict(testX, batch_size=64)

然后得到厘米:

from pycm import *

打印“ cm”,您将获得模型的所有指标,例如“召回率,精度,模型的整体准确性,特异性,可以从混淆矩阵中获得的所有信息,获得CM以及还可以从头开始计算您的精确度,每个类的真实阳性率,真实阴性率等。这些指标告诉您模型的自信程度。

最好的问候。