在進行物件偵測時，很常使用 mAP 作為評估指標，在之前的文章 YOLOv4 訓練教學 中有簡單介紹過，本文將要來介紹一個好用的評估 mAP 工具並進行操作。
- 評估 mAP 工具: https://github.com/Cartucho/mAP
該 Dataset 有 train, valid, test 的圖片及 txt 檔案，需先使用 train, valid 進行訓練，test 則是接下來要用來測試 mAP。
首先 git clone mAP github
$ git clone https://github.com/Cartucho/mAP然後進入至該資料夾中，會有以下檔案
進入 input 資料夾會有 detection-results, ground-truth, images-optional 資料夾，分別放置預測值 txt, 真實值 txt, 圖片資料。
接著看一下預測值 txt 跟真實值 txt 的檔案格式，在計算 mAP 前需要將資料先轉換成該格式。
- 預測值 txt 格式如下，其中
<left><top>是指物件框的左上角座標、<right><bottom>指物件框的右下角座標。
<class_name> <confidence> <left> <top> <right> <bottom>
- 真實值 txt 格式如下，與預測值 txt 的差異在於不需要寫入 confidence。
若要將資料格式進行轉換，該 github 有提供轉換 code，放置在 scripts/extra 資料夾裡。
也可以直接使用 opencv inference 並寫成該格式的檔案，大致形式跟 Object Detection Label 標註教學 的最後一小節一樣，差別在於多增加 75~80 行。
轉換格式的詳細說明可參考：如何轉換為Yolo txt格式。
接下來就是將這些資料替換為自己的資料，我使用口罩偵測的模型~ 準備好後，執行以下指令就會開始進行計算了!
$ cd mAP$ python main.py
計算完後可以在 mAP/output 中看到驗證結果，mAP/output/calsses 有各個類別的 PR curve、mAP/output/images 則是每張圖片的預測狀況。
