前言

本文所做的工作均建立在已經已經用darknet訓練好自己的模型的基礎上的，不提供與YOLO訓練有關的東西（因為別人已經發夠多了）。儘量寫得傻瓜一些，保持一步一次截圖，因為能看這種部落格的基本都沒啥程式設計師基礎的，連指令碼都沒聽說的菜鳥，只是單純跑跑發個水文的，所以多圖和囉嗦警告，（圖中有些路徑打上馬賽克了，沒有影響）。

1 執行darknet官方程式碼中的detector valid指令，生成對測試集的檢測結果。

 .\darknet detector valid <voc.data檔案路徑> <cfg檔案路徑> <weights檔案路徑> -out ""

上面寫的通用格式（請不要直接複製貼上執行，將<>裡的內容替換為自己需要的路徑，其中"<>"不需要，只是用來分隔的！還有windows和linux下檔案路徑的格式不同，並且每個引數之間都需要空格間隔）。（windows通過開啟cmd或者power shell來輸入指令，linux通過ctrl+shift+t開啟終端來輸入指令，要記住輸入指令時你需要通過cd來定位到當前需要執行程式的目錄裡）

voc.data和cfg檔案就是你當時訓練用的配置檔案，weights檔案就是你訓練出來的結果，其中需要修改的是voc.data檔案，其中應該是有五行的，其中第三行是valid就是需要驗證測試集的路徑，其指向的txt檔案格式與第二行train一致（已經訓練過的應該知道是啥了），這裡需要修改成你需要的，畫風如下。

執行完之後應該會在程式的當前目錄生產一個results資料夾，裡面存有檢測結果，檔名為comp4_det_test_<你檢測的類名>.txt，畫風如下所示。

左邊是執行valid指令的過程，右邊是生產的txt檔案，其中txt中資料格式為: 檔名 置信度 x y w h。

2 下載檢測用指令碼檔案 reval_voc_py.py和voc_eval_py.py

（因為沒在CSDN裡面找到新增附件的功能，所以這裡只能放個傳送門了，而且需求積分最低都要1分，所以我也不能改成0分免費給你們。）

windows下python安裝請百度，anaconda就可以了；linux預設就有安裝的，不過是預設的Python2版本的。

如果遇到缺少庫的，請開啟一下python檔案，看看開頭那裡有哪些，一般不會少的，都是些基本的庫。

3 使用reval_voc_py.py計算出mAP值並且生成pkl檔案

python reval_voc_py3.py --voc_dir <voc檔案路徑> --year <年份> --image_set <驗證集檔名> --classes <類名檔案路徑> <輸出資料夾名>

 先將第一部生成的results資料夾移動到當前指令碼檔案所在的位置，然後執行上述指令。

首先python表示執行python程式碼

reval_voc_py3.py表示當前執行的指令碼檔名，python3的話就用這個，python2的話用reval_voc.py。

voc檔案路徑就是當時訓練用的VOC資料集的路徑，比如windows下 d:\darknet\scripts\VOCdevkit，linux就是 \home\xxx\darknet\scripts\VOCdevkit,這裡只是打個比方，讀者請替換成自己需要的路徑

年份就是VOC資料集裡VOC檔名裡的時間，比如2007、2012這樣的。

驗證集檔名一般是VOCdevkit\VOC2017\ImageSets\Main中的檔案中txt檔名，比如train.txt，把需要測試的圖片名全部塞進去就可以了，如果沒有的話自行建立（不過沒有的話怎麼訓練的呢）。注意:這裡只需要填檔名，txt字尾都不需要的。

類名檔案路徑就是voc.names檔案的路徑，在voc.data檔案裡面是有的，第4行names那裡。

輸出資料夾名就自己隨便寫了，比如我這裡寫的testForCsdn。

引數全部替換好就可以跑了，大概畫風如下所示：

這時會在腳本當前目錄生成一個存放了pkl檔案的資料夾，名字就是剛才輸入的輸出資料夾名。（這裡的名字不需要和我的一樣，如果你有多個類的話，就會生成多個檔案，檔名就是你的類名）

注意，這時已經能看到mAP值了。（我這裡的驗證集較小，目標較簡單，所以mAP大了些，不用在意）

4 用matplotlib繪製PR曲線

 在得到pkl檔案目錄裡直接建立一個python檔案，比如PR_draw.py，內容如下，記得把第三行裡的引數修改一下。

import _pickle as cPickle
import matplotlib.pyplot as plt
fr = open('apple_pr.pkl','rb')#這裡open中第一個引數需要修改成自己生產的pkl檔案
inf = cPickle.load(fr)
fr.close()

x=inf['rec']
y=inf['prec']
plt.figure()
plt.xlabel('recall')
plt.ylabel('precision')
plt.title('PR cruve')
plt.plot(x,y)
plt.show()

print('AP：',inf['ap'])

 然後直接執行

python PR_draw.py

最後結果就出來了，噹噹噹當，畫風如下所示：

Ps：目前就寫這麼多了，應該沒啥問題，自我感覺已經夠傻瓜了，有問題請私信我再修改。