Python 了解Tensorflow对象检测API评估指标

我使用tensorflow提供的对象检测API训练了一个模型，但找不到关于所创建模型的评估过程的大量资源

当使用eval.py脚本时，我在屏幕上看到了一些结果，但我对此有一些疑问，如下所示：

结果与存储在checkpoint_dir中的检查点对应的是哪个检查点

在某些情况下，我得到的值为-1.00。我怎么解释呢

提供的eval.py和model_main.py脚本之间有什么区别

有没有关于对象检测api的评估和推断的资源可以给我参考

从存储在checkpoint_dir中的检查点中选择哪个检查点 结果符合

在您的

train_dir

中，您将找到一个

检查点

文件，如果您打开它，在代码的第一行是您的最后一个检查点，它将用于评估，您可以将第一行更改为所需的评估检查点

在某些情况下，我得到的值为-1.00。我怎么解释呢

当您在度量中获得-1时，这意味着它不存在任何符合条件的结果，在您的情况下，这意味着您的数据集没有任何面积较小的对象，因此它被丢弃。如果您有这些对象，并且没有对它们进行检测，则它将显示为0而不是-1

• 小物体：面积<32^2像素
• 中等对象：32^2<面积<96^2像素
• 大型对象：面积>96^2

提供的eval.py和model_main.py脚本之间有什么区别

eval.py

脚本只计算模型的值并返回度量值。

model_main.py

将训练脚本与评估相结合，使您能够选择执行以下操作：

训练模型

评估模型

同时对模型进行训练和评估

在后者中，您应该提供验证数据，而不是测试数据

有没有关于对象检测api的评估和推断的资源可以给我参考

我想你在找这个