我已經(jīng)微調(diào)了Model Zoo上可用的 fast_rcnn_resnet101 模型來檢測我的自定義對象。我將數(shù)據(jù)分成訓(xùn)練和評估集，并在訓(xùn)練時在配置文件中使用它們。現(xiàn)在訓(xùn)練完成后，我想在一個看不見的數(shù)據(jù)（我稱之為測試數(shù)據(jù)）上測試我的模型。我使用了幾個函數(shù)，但無法確定使用 tensorflow 的 API 中的哪些代碼來評估測試數(shù)據(jù)集的性能。以下是我嘗試過的事情：我使用 object_detection/metrics/offline_eval_map_corloc.py 函數(shù)對測試數(shù)據(jù)集進(jìn)行評估。代碼運(yùn)行良好，但對于大中型邊界框，我使用負(fù)值或 AR 和 AP。平均精度 (AP) @[ IoU=0.50:0.95 | 面積=全部| maxDets=100] = 0.459平均精度 (AP) @[ IoU=0.50 | 面積=全部| maxDets=100] = 0.601平均精度 (AP) @[ IoU=0.75 | 面積=全部| maxDets=100] = 0.543平均精度 (AP) @[ IoU=0.50:0.95 | 面積=小| maxDets=100] = 0.459平均精度 (AP) @[ IoU=0.50:0.95 | 面積=中等 | maxDets=100 ] = -1.000平均精度 (AP) @[ IoU=0.50:0.95 | 面積=大| maxDets=100 ] = -1.000平均召回率 (AR) @[ IoU=0.50:0.95 | 面積=全部| maxDets= 1 ] = 0.543平均召回率 (AR) @[ IoU=0.50:0.95 | 面積=全部| maxDets= 10 ] = 0.627平均召回率 (AR) @[ IoU=0.50:0.95 | 面積=全部| maxDets=100] = 0.628平均召回率 (AR) @[ IoU=0.50:0.95 | 面積=小| maxDets=100] = 0.628平均召回率 (AR) @[ IoU=0.50:0.95 | 面積=中等 | maxDets=100 ] = -1.000平均召回率 (AR) @[ IoU=0.50:0.95 | 面積=大| maxDets=100 ] = -1.000現(xiàn)在，我知道 mAP 和 AR 不能為負(fù)數(shù)，并且有問題。我想知道為什么我在測試數(shù)據(jù)集上運(yùn)行離線評估時會看到負(fù)值？