YOLOv8如何在含多边形标签的测试集上计算mAP？

YOLOv8官方工具原生支持OBB（定向边界框）任务的评估，不需要额外第三方工具，直接通过命令行或Python API即可计算mAP，步骤如下：

1. 准备数据集配置文件 #

首先创建一个yaml配置文件（比如命名为test_dataset.yaml），用来指定测试集的结构和任务类型，内容如下：

path: ./test  # 测试集根文件夹路径
test: images  # 测试集图片子文件夹（相对于path）
obb: true  # 声明这是OBB任务
names:
  0: 类别1  # 替换为你的实际类别名称，按标签中的类别ID顺序对应
  1: 类别2
  # 按需添加所有类别

2. 命令行方式评估 #

直接在终端运行以下命令：

yolo val model=best.pt data=test_dataset.yaml device=0  # device=0用GPU，用CPU则改为device=cpu

运行完成后，终端会输出整体mAP50、mAP50-95以及每个类别的AP值，同时会在runs/val/obb目录下生成详细的评估报告和可视化结果。

3. Python代码方式评估 #

如果需要集成到自定义脚本中，使用以下代码：

from ultralytics import YOLO

# 加载预训练模型
model = YOLO('best.pt')

# 执行评估任务，指定数据集配置和OBB任务类型
eval_results = model.val(data='test_dataset.yaml', task='obb', device='0')

# 打印关键评估指标
print(f"mAP50: {eval_results.box.map50:.4f}")
print(f"mAP50-95: {eval_results.box.map:.4f}")

注意事项 #

• 确保labels文件夹中的txt标签符合YOLO-OBB格式：每行格式为class_id x1 y1 x2 y2 x3 y3 x4 y4，其中坐标是归一化到0-1的多边形四个顶点坐标。
• 如果测试集只有单个类别，yaml中的names只需保留对应ID的类别即可。

内容的提问来源于stack exchange，提问作者HarriS