3D点云目标检测Complex-YOLO（训练篇）（二）———测试、训练与评估，分析

Inference

• data_process/kitti_dataset里面设置了用testing文件下的测试图片
• 这里pretrained_model用的是作者提供的，自行从.md文件里下载就行
• 运行脚本：

python test.py --gpu_idx 0 --pretrained_path complex_yolov4_mse_loss.pth --cfgfile ./config/cfg/complex_yolov4.cfg --show_image

Evaluate

• 作者这里val模式没有定义，我们修改一下代码来进行validation

        if self.mode == 'test':
            sub_folder = 'testing'
        elif self.mode == 'val':
            sub_folder = 'validation'
        else:
            sub_folder = 'training'
        # sub_folder = 'testing' if self.is_test else 'training'
        # 这一行注释掉，其他的不变就可以了~

• 运行脚本：
  python evaluate.py --gpu_idx 1 --pretrained_path complex_yolov4_mse_loss.pth --cfgfile ./config/cfg/complex_yolov4.cfg --img_size 600

(这github博主提供的模型召回率不太行啊qwq…）

Training

那咱们来训一下吧。

#!/usr/bin/env bash
python train.py \
  --saved_fn 'complexnewwwww' \
  --arch 'darknet' \
  --cfgfile ./config/cfg/complex_yolov4.cfg \
  --pretrained_path complex_yolov4_mse_loss.pth\
  --batch_size 4 \
  --num_workers 4 \
  --no-val \
  --gpu_idx 1 \
  --num_epochs 100

每10epoch保存一次。

对比

	car	person	cyclist	mAP
官网mse300epoch	0.45	0.03	0.03	0.17
10epoch	0.67	0.04	0.02	0.24
20epoch	0.70	0.04	0.06	0.27
30epoch	0.70	0.03	0.04	0.26
40epoch	0.71	0.06	0.02	0.27
50epoch	0.72	0.04	0.03	0.26
60epoch	0.68	0.03	0.02	0.24
70epoch	0.67	0.04	0.02	0.25
80epoch	0.70	0.03	0.02	0.25
90epoch	0.71	0.04	0.02	0.26
100epoch	0.70	0.04	0.02	0.25

在验证集上的测试结果，首先是行人和骑自行车的人检测效果非常不好，0.0几是认真的吗，得亏老哥还吹着说能设计了更好的anchor-box来进行行人检测。。

我开始怀疑了，虽然数据集划分不一致，github复现的老哥是6000/1400左右的，我是1：1，但是讲道理，他的训练集图片更多，并且和验证集里的数据有重复，应该召回率更高才对啊（知道原因的伙计可以评论一下）。还是我理解的有问题，数据集这里需要再深究。

训练上，大概50epoch就差不多性能巅峰了，这和二维目标检测完全不一样。

但不排除我训练方式有问题，（but参数就是原文的参数）
再捣鼓捣鼓吧。先写报告了。

每一类的precision，recall，AP，f1计算数据

• 10epoch
  

• 20epoch
  

• 30epoch
  

• 40epoch
  

• 50epoch
  

• 60 epoch
  

• 70epoch
  

• 80epoch
  

• 90epoch
  

• 100 epoch