Computer vision 如何打印每个类'；使用Mxnet快速RCNN进行目标检测时的平均精度

我在自己的数据集上使用更快的rcnn（mxnet）进行对象检测，该数据集有9个类（包括背景）。然而，我发现最终它只打印出了培训过程中所有9个班级的平均准确度。此外，在测试过程中，它也只打印出所有9个类的平均精度和召回率。我想知道如何在培训过程中打印出每门课的准确度，以及在测试过程中打印出每门课的召回率和准确度？ 或者有人能告诉我，我应该在哪里实现我的目标？

---

图中会显示一个理想的示例

您可以使用Scikit学习功能

sklearn.metrics.precision_recall_fscore_support¨

。和

sklearn.metrics.classification\u报告

，用于美化版本

在测试时，您将有一个真值数组（

Y\u真

）和每个类的预测概率数组（

Y\u prob

）。使用这些方法如下

Y_pred = np.argmax(Y_prob, axis=1)
print(classification_report(Y_true, Y_pred))

         precision    recall  f1-score   support
class 0       0.50      1.00      0.67         1
class 1       0.00      0.00      0.00         1
class 2       1.00      0.67      0.80         3
avg / total   0.70      0.60      0.61         5

在培训时，每N批列出一次，需要稍微多做一些工作。如果您使用的是

module.fit

方法，则可以设置回调参数和自定义

eval\u度量

model = mx.mod.Module(symbol=...)
model.fit(..., batch_end_callback = mx.callback.Speedometer(batch_size),
          eval_metric=custom_metric, ...)

您需要为

custom\u metric

创建一个新类，该类扩展了

mxnet.metric.EvalMetric

，并实现了一个

get

方法，该方法打印（甚至返回）每个类的度量