0 coco數據集劃分說明

1 用yolo自帶的評估

from ultralytics import YOLOmodel = YOLO("../spatial-perception/checkpoints/yolo11n.pt")metrics = model.val(data="./coco.yaml", save_json=True)  ## save_json為True,可以把預測結果存成json文件， 便于評估或在線提交

2 用pycocotools 工具進行評估

代碼:
https://github.com/leo038/coco_tools/blob/main/coco_eval.py

用pycocotools評估時， 需要把結果保存為coco格式的json文件。

結果：

2個評估結果略有差別， 但差別不大。

整體對比如下：

特別需要注意， yolo直接輸出的類別id是從1到80。 而coco的數據集中標注的id是1到91， 這2個并不匹配， 如果不做一定的處理， 讓它們匹配的話， 計算結果是錯誤的。 如下圖所示 ，mAP值非常小， 接近于0 。