一个可能提升算法测试准确率的小改进

[Khadaz]

在使用自己的数据跑ufld算法时，我发现用test.py测试出的结果并不能很好的代表模型的能力。比如我使用训练过的数据进行测试，测试的准确率仅仅在0.3左右，但是用demo.py跑出的可视化结果可以看出，推理结果是与标注基本一致的（毕竟是训练过的数据），所以我仔细对比了一下两个代码的推理部分，发现在demo.py中，代码用到了row_anchor作为评价标准， ppp = (int(out_j[k, i] * col_sample_w * img_w / 800) - 1, int(img_h * (row_anchor[cls_num_per_lane-1-k]/288)) - 1 ) 而在test.py引用的eval_wrapper.py中，row_anchor部分被写成如下： fp.write( '%d %d ' % (int(out_j[k, i] * col_sample_w * 1640 / 800) - 1, int(590 - k * 20) - 1)) 其中 int(590 - k * 20) - 1并未考虑resize成288的操作，区域的划分也比较粗暴，所以我改成了demo.py中的写法，再次测试训练过的数据的结果接近1。所以我想测试部分可能并没有完全展现出算法的性能。我仅在自己的数据上进行了测试，那么我猜想在culane数据集上是否已可以通过这样的改动提升算法的准确率呢，大家有兴趣可以尝试一下。

[cfzd]

@Khadaz 很有意思的发现！ : )

[hwang12345]

@Khadaz 尝试过使用Tusimple数据集吗？需要如何改？

[frozenbird07]

@Khadaz 尝试过使用Tusimple数据集吗？需要如何改？

同问