我已經微調了Model Zoo上可用的 fast_rcnn_resnet101 模型來檢測我的自定義對象。我將數據分成訓練和評估集，并在訓練時在配置文件中使用它們?，F在訓練完成后，我想在一個看不見的數據（我稱之為測試數據）上測試我的模型。我使用了幾個函數，但無法確定使用 tensorflow 的 API 中的哪些代碼來評估測試數據集的性能。以下是我嘗試過的事情：我使用 object_detection/metrics/offline_eval_map_corloc.py 函數對測試數據集進行評估。代碼運行良好，但對于大中型邊界框，我使用負值或 AR 和 AP。平均精度 (AP) @[ IoU=0.50:0.95 | 面積=全部| maxDets=100] = 0.459平均精度 (AP) @[ IoU=0.50 | 面積=全部| maxDets=100] = 0.601平均精度 (AP) @[ IoU=0.75 | 面積=全部| maxDets=100] = 0.543平均精度 (AP) @[ IoU=0.50:0.95 | 面積=小| maxDets=100] = 0.459平均精度 (AP) @[ IoU=0.50:0.95 | 面積=中等 | maxDets=100 ] = -1.000平均精度 (AP) @[ IoU=0.50:0.95 | 面積=大| maxDets=100 ] = -1.000平均召回率 (AR) @[ IoU=0.50:0.95 | 面積=全部| maxDets= 1 ] = 0.543平均召回率 (AR) @[ IoU=0.50:0.95 | 面積=全部| maxDets= 10 ] = 0.627平均召回率 (AR) @[ IoU=0.50:0.95 | 面積=全部| maxDets=100] = 0.628平均召回率 (AR) @[ IoU=0.50:0.95 | 面積=小| maxDets=100] = 0.628平均召回率 (AR) @[ IoU=0.50:0.95 | 面積=中等 | maxDets=100 ] = -1.000平均召回率 (AR) @[ IoU=0.50:0.95 | 面積=大| maxDets=100 ] = -1.000現在，我知道 mAP 和 AR 不能為負數，并且有問題。我想知道為什么我在測試數據集上運行離線評估時會看到負值？