推理得到的结果如何计算mIou指标

[youngbaldy]

您好，我想在inference的时候将得到的result与gt计算miou等相关指标。现在我使用在potsdam上预训练的权重，在potsdam的验证集上进行推理，然后使用../mmseg/core/evaluation/metrics.py，计算得到的{'aAcc': array(0.04249801), 'IoU': array([0.06536244, 0.00681113, 0.0036782 , 0.02882337, 0.00158446]), 'Acc': array([0.34386185, 0.01245181, 0.00750425, 0.05191632, 0.00163203])}，这似乎与您公布的在potsdam上的OA 91.1的相差甚远，我不太清楚该如何解决。期待您的回复。
以下是我的推理代码:
`image_root = "/data/user5/potsdam/img_dir/val"
ann_root = "/data/user5/potsdam/ann_dir/val"
image_list = os.listdir(image_root)
device = "cuda" if torch.cuda.is_available() else "cpu"
config = "../configs/vit_base_win/upernet_vitae_nc_base_rvsa_v3_kvdiff_wsz7_512x512_160k_potsdam_rgb_dpr10_lr6e5_lrd90_ps16_class5_ignore5.py"
checkpoint = "../pretrain_model/potsdam/vitae_rvsa_kvdiff.pth"
seg_model = init_segmentor(config, checkpoint, device=device)
num_classes = 5
ignore_index = 5
results = []
labels = []
for image in image_list:
# print(image)
image_path = os.path.join(image_root, image)
label_path = os.path.join(ann_root, image)
label = cv2.imread(label_path, 0)
_, masks = inference_segmentor(seg_model, image_path)
# print(masks[0])
copy_masks = masks[0]
results.append(copy_masks)
labels.append(label)

ret_metrics = eval_metrics( results, labels, num_classes, ignore_index, metrics='mIoU')
print(ret_metrics)
`

[DotWang]

@youngbaldy 推理精度评测用mmseg的命令，不需要手写

[youngbaldy]

感谢您的回复，不过由于我第一次接触mmseg所以不太清楚，您方便的话可以给个例子吗？我现在需要对我处理过的图片进行推理，而且似乎也不能以batch的形式进行inference，我不太明白该怎么对推理得到的结果与label计算评价指标。期待您的回复，再次感谢。

[DotWang]

@youngbaldy 你可以参考一下rsp仓库，里边有说明，RVSA仓库只是提供必要的config和模型文件，执行文件都在RSP仓库（RVSA仓库说明中已经说了），另外，我们分割就是用的mmseg

[youngbaldy]

感谢您的回复，我使用tools/convert_datasets/potsdam.py得到的mask标签值是0~6，但在configs/vit_base_win/upernet_vitae_nc_base_rvsa_v3_wsz7_512x512_160k_potsdam_rgb_dpr10_lr6e5_lrd90_ps16_class5_ignore5.py的配置文件中是num_classes =5，ignore_index=5，不应该都是6吗？期待您的回复

[DotWang]

@youngbaldy 我们处理这个potsdam数据集时和mmseg官方不太一样，你可以参考一下相关issue

ViTAE-Transformer/ViTAE-Transformer-Remote-Sensing#21

ViTAE-Transformer/ViTAE-Transformer-Remote-Sensing#9

[youngbaldy]

感谢您的回复，我再仔细看看