yolov5训练结果没有png文件

Question

yolov5 训练结果没有混淆矩阵 pr曲线等png 文件 哪里的问题

Answer 1

引自免费微信小程序：皆我百晓生

在使用Yolov5进行训练时，通常会在输出目录下生成一系列训练过程的可视化文件，包括训练损失曲线、mAP曲线等，但并不会直接生成混淆矩阵和PR曲线对应的PNG图片。如果想要得到混淆矩阵和PR曲线的可视化结果，你需要手动计算并绘制。

以下是解决该问题的步骤：

1. 混淆矩阵：

   • 首先，在测试阶段，你需要将模型预测的结果与真实标签进行比较，从而计算出混淆矩阵。
   • 可以通过以下代码片段（基于Python和PyTorch）来实现混淆矩阵的计算：

     from sklearn.metrics import confusion_matrix
     # 假设preds是模型预测的类别，labels是真实的类别
     preds = torch.argmax(model_output, dim=1)
     labels = ground_truth_labels
     conf_mat = confusion_matrix(labels.cpu().numpy(), preds.cpu().numpy())
     

2. 绘制混淆矩阵：

   • 使用matplotlib库绘制混淆矩阵为PNG图片：

     import matplotlib.pyplot as plt
     import seaborn as sns
     sns.set(style="whitegrid")
     fig, ax = plt.subplots()
     sns.heatmap(conf_mat, annot=True, fmt='d', cmap='Blues', ax=ax)
     plt.xlabel('Predicted')
     plt.ylabel('True')
     plt.title('Confusion Matrix')
     plt.savefig('confusion_matrix.png')
     

3. PR曲线：

   • 对于目标检测任务，一般会计算每个类别的Precision-Recall曲线，而非单一的整体混淆矩阵。
   • 你可以使用COCO API或其他相关工具包评估你的预测结果，并获取到每个类别的Precision和Recall值，进而绘制PR曲线。
   • 下面是一个简化的示例，假设你已经有了precision和recall数据：

     from sklearn.metrics import precision_recall_curve
     import numpy as np
     
     # 假设precisions和recalls是已经计算好的精度和召回率列表，对应不同的阈值
     precisions = ...
     recalls = ...
     
     plt.step(recalls, precisions, color='b', alpha=0.2,
              where='post')
     plt.fill_between(recalls, precisions, step='post', alpha=0.2,
                     color='b')
     
     plt.xlabel('Recall')
     plt.ylabel('Precision')
     plt.ylim([0.0, 1.05])
     plt.xlim([0.0, 1.0])
     plt.title('Precision-Recall curve')
     plt.savefig('pr_curve.png')
     

请注意，以上代码仅作为示例，具体实现时需要根据实际项目中 yolov5 的输出和数据格式进行调整。如果你使用的是YOLOv5提供的评估脚本如test.py或eval.py，可以查看其输出的日志或者修改源码来增加混淆矩阵和PR曲线的绘制功能。