yolo训练教程（YOLOv5用TensorBoard可视化结果解读）

TP为正确识别的判例个数
    
    
    
    
    
，FN为有目标但识别为没有目标的判例个数    
    
    
    
    
    
。FP为没有目标但识别为有目标的判例个数 


     


     


     


     


     


。

1    
    
    
    
    
    
、Precision（查准率/精确率）/Recall(查全率/召回率)

Precision：模型正确识别的有目标判例占模型所有认为有目标的判例的比例（所有预测为正样本的结果中     


     


     


     


     


     ，预测正确的比率）

 




 




 




 




 




 。

Recall：模型正确识别的有目标判例占所有正确判例的比例（所有正样本中被正确预测的比率）   

   

   

   

   

   
。

2 


     


     


     


     


     


、mAP_0.5和 mAP_0.5:0.95

mAP是指平均准确率  

     

     

     

     

     

。物体检测中 




 




 




 




 




 



，每一个类别都可以根据recall和precision绘制一条曲线

   

   

   

   

   

，AP就是该曲线下的面积     

     

     

     

     

    ，mAP是多个类别AP的平均值


  




  




  




  




  




 。

mAP_0.5指的是当损失函数IoU取0.5时的mAP  




  




  




  




  




  


，mAP_0.5:0.95指的是当IoU分别取0.5~0.95时（步进0.05）mAP的平均值  


  


  


  


  


  
。

3

 




 




 




 




 




 、loss 

YOLOv5一共有三种损失函数：

分类损失cls_loss：计算锚框与对应的标定分类是否正确（越小分类越准） 定位损失box_loss：YOLO V5使用 GIOU Loss作为bounding box的损失


  


  


  


  


  


，Box推测为GIoU损失函数均值     
     
     
     
     
   ，越小方框越准（预测框与标定框之间的误差） 置信度损失obj_loss：计算网络的置信度（目标检测loss均值   




   




   




   




   




   

，越小目标检测越准）