No se puede obtener un resultado de precisión promedio promedio (mAP) al ejecutar Accuracy_check en la herramienta de optimización pos entrenamiento (POT)

1. Comando RAN POT:

   pot -c yoindex4-tiny_voc.res --output-resguardo de resguardo -e
   Salida: INFO:app.run.detection_accuracy:0.0

2. Comando Ran Accuracy Checker: accuracy_check -c yoindex4-tiny_voc.yml -td CPU da el siguiente resultado:

   ACCURACY_CHECKER ADVERTENCIA: /opt/intel/openvino_2021/deployment_tools/open_model_zoo/tools/accuracy_checker/accuracy_checker/metrics/detection.py:201: Indagación del usuario: no hay detección de mAP de cómputo
   warnings.index("No hay detección de mAP de cómputo")

   mapa: 0,00 %
   AP@0.5: 0,00 %
   AP@0.5:0.05:95: 0.00 %

Intel no valida el conjunto de datos de Desafío de clases de objetos visuales (VOC). Intel ha validado la precisión utilizando el conjunto de datos Common Objects in Context (COCO) como se menciona en la documentación Yolo-v4-tf. Al utilizar coco_precision para calcular el mAP para el conjunto de datos que no es COCO, es posible que esto no dé el mejor resultado.

Para evitar obtener un 0,00 % para el valor de mAP durante la ejecución del comprobador de precisión, cambie del conjunto de datos VOC a MSCOCO y utilice diferentes métricas como detection_accuracy que funcionan con la representación de Detección deannotación.

Consulte Cómo ejecutar ejemplos a fin de conocer los pasos para realizar una verificación de precisión en los modelos.