yolo训练教程(YOLOv5用TensorBoard可视化结果解读)
导读: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。...
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)创心域SEO版权声明:以上内容作者已申请原创保护,未经允许不得转载,侵权必究!授权事宜、对本内容有异议或投诉,敬请联系网站管理员,我们将尽快回复您,谢谢合作!