Não é possível obter o resultado médio de precisão (mAP) ao executar Accuracy_check ferramenta de otimização pós-treinamento (POT)

1. Comando DE POT de correção:

   pot -c yolov4-tiny_voc.json -output-dir backup -e
   Saída: INFO:app.run.detection_accuracy:0.0

2. O comando De verificação de precisão de correção: accuracy_check -c yolov4-tiny_voc.yml -td CPU oferece o seguinte resultado:

   accuracy_checker AVISO: /opt/intel/openvino_2021/deployment_tools/open_model_zoo/tools/accuracy_checker/accuracy_checker/metrics/detection.py:201: UserWarning: Sem detecções para computar mAP
   warnings.warn("Sem detecções para computar mAP")

   mapa: 0,00%
   AP@0.5: 0,00%
   AP@0.5:0.05:95: 0,00%

O conjunto de dados Visual Object Classes Challenge (VOC) não é validado pela Intel. A Intel validou a precisão usando o conjunto de dados Common Objects in Context (COCO), conforme mencionado na documentação Yolo-v4-tf. Ao usar coco_precision para calcular o mAP para o conjunto de dados não-COCO, isso pode não dar o melhor resultado.

Para evitar obter 0,00% de valor de mAP durante a execução do checker de precisão, mude de conjunto de dados VOC para MSCOCO e use diferentes métricas , como detection_accuracy que funcionam com a representação de detecção de notação.

Consulte Como executar exemplos para obter etapas para verificar a precisão dos modelos.