为什么MAP的结果总是0

[jiansfoggy]

你好，我在用Efficient-Det训练Text-COCO做文字检测，bounding box框的位置是正确的，之后我按照说明运行get_map.py 文件来求map和precision，recall。 但是得到的结果总是0. 绝大部分结果被认定为false positive， 请问这是数据的问题还是get_map代码的问题？

[bubbliiiing]

我不太懂你的意思，直接预测是对的吗，如果是这样就是获得的用于计算map的txt有错了。

[jiansfoggy]

计算map的txt有错

感谢回复。我的class number是1。 我计算map的步骤是， 1 先运行了get_dr_txt.py 2 我有ground truth的bounding box文件，没有运行get_gt_txt.py 3 最后运行get_map.py

出现的问题， 1.当运行get_dr_txt.py，如果设置confidence 和iou threshold大于0.2时，3500张图片里大约只有600张能被识别出文字。 2 无论我将confidence 和iou threshold设为0.05或者0.5，通过get_dr_txt.py得到多少txt文件，当我运行get_map.py时绝大部分的图片都会被归为false positive。从而导致precision，recall and mAP均为0. 不过当我拿训练后的weight来预测bounding box，它在不同的图片上能正确的框出文字部分。所以即使mAP不高，我猜它也不太可能是0啊。

所以现在不太懂问题出在哪里，是需要修改nms那里，还是get_map这个文件，抑或是什么别的地方？ 谢谢啦～

[bubbliiiing]

还是按默认参数来进行map计算，把模型修改成自己的就可以了 然后你检查一下对应的txt，就是input文件夹里面的txt，你看看结果的格式是否正确

[bubbliiiing]

因为只是这样我看不出来，我得从对应的txt的结果来判断

[jiansfoggy]

还是按默认参数来进行map计算，把模型修改成自己的就可以了 然后你检查一下对应的txt，就是input文件夹里面的txt，你看看结果的格式是否正确

好的谢谢，我先试一下。

[bubbliiiing]

重要的是查看一下txt的正误

[LvShuaiChao]

一般说来是类别标签的问题，我的就是改了EfficientNet.py下面的"classes_path" : 'model_data/coco_classes.txt' 以及get_map.py下面的classes_path = 'model_data/voc_classes.txt'为自己数据集的实际类别名之后就好了。

[bubbliiiing]

嗯是