YOLOv3计算自己数据集训练模型的mAP
关于使用YOLOv3计算mAP的帖子已经很多了。这里不再过多啰嗦，可以参考https://blog.csdn.net/amusi1994/article/details/81564504的介绍。
但是如果自己训练了模型，直接照搬常常会遇到各种问题，这里就几个比较迷惑的点进行记录：
使用valid计算结果数据
类型配置
计算mAP的第一步就是使用detector.c中的validate_detector，利用验证集图片计算一堆的结果，然后存在result文件夹中的txt文件中。
如果你使用的不是coco或者voc数据集，根据源码，将会使用你自定义的type：
char *type = option_find_str(options, "eval", "voc");
所以建议在data文件中增加一行配置：
eval = YOUR_TYPE
如果type为coco，将会保存成json文件；如果type为imagenet，将会将所有的结果保存到imagenet-detection.txt文件中。如果不配置，也不会产生什么影响，依然会就会默认使用comp4_det_test_[classname].txt。只是为了保证工程的完整性建议修改。
结果存储文件名
另外，建议将源码中的outfile初始值修改一下,将validate_detector函数中的
if(!outfile) outfile = "comp4_det_test_";
改为：
if(!outfile) outfile = "";
再编译。这样的结果是result中的文件保存的文件名就为[classname].txt，使用Python函数voc_eval.py在计算的时候，
通过
R = [obj for obj in recs[imagename] if obj['name'] == classname]
过获取每个类型的文件中匹配到目标的信息，否则obj[‘name’]，即recs[imagename][i][‘name’]=comp4_det_test_[classname]，这个if等式永远无法相等，就算的AP和mAP都将是nan.
当然，不想该detector.c，也可以使用Python语句
obj['name'].replace(‘comp4_det_test_’,’’)
将comp4_det_test_去掉。
类型个数
如果你的数据集类型个数不是80个，建议在validate_detector函数源码
int classes = l.classes;
后面增加
char *classesnum = option_find_str(options, "classes", "80");
classes = atoi(classesnum);
否者，在生成结果文件的过程中会出现“段错误”，这是因为根据源码：
if(!outfile) outfile = "comp4_det_test_";
fps = calloc(classes, sizeof(FILE *));
for(j = 0; j < classes; ++j){
snprintf(buff, 1024, "%s/%s%s.txt", prefix, outfile, names[j]);
fps[j] = fopen(buff, "w");
}
实际类型个数少，而class仍然按80计算，就会导致多出来的类型没有办法生成对应的文件。
voc_eval参数设置
def voc_eval(detpath,
annopath,
imagesetfile,
classname,
cachedir,
ovthresh=0.5,
use_07_metric=False):
中有多个参数，其中detpath是结果文件路径，在Python中设置问xxx/results/{}.txt。这个{}啥意思呢？因为在voc_eval中通过：
detfile = detpath.format(classname)
获得路径名，format(classname)用于根据classname这个字符串，对路径名进行填充。
annopath是标签文件路径，即Annotations文件夹中的xml文件，采用xxx/images_data/Annotations/{}.xml，和detpath设置是一个道理。
classname中存储的是存储验证集的文件名的文件路径，一般放在xxx/images_data/ImageSets/Main/文件夹下，这里的文件名就是将YOLO配置文件valia_data.txt中的路径和文件名后缀都去掉，如valia_data.txt中存储的是
app/cptest/images_data/JPEGImages/174_15890312979608698.jpg
在此文件中存储的就是
174_15890312979608698
注意，一定要一个文件名放一行。
classname是通过
class_name = sub_files[i].split(".txt")[0]
获得的，就是存储结果的文件名。这个class_name如果和文件名不一致，处理方法前面已经说过了。
cachedir就是缓存标签的路径，一般设置为‘.’，表示不设置
ovthresh为确定认为命中目标，针对class的置信度所使用的阈值，一般默认设置为0.5，可以根据实际情况进行设置。
use_07_metric表示是否使用VOC07的11点计算法，默认为Flase.
Python2转Python3
由于voc_eval是使用Python2编写的，当你使用Python3调用时候
（1）print ‘’的语法改为print()
（2）import cPickle改为import pickle
代码中cPickle.dump和cPickle.load进行相应修改
以上就是计算mAP会遇到的问题和解决办法。