广州定制网站开发,建站网站是什么,安监网站安全建设信息,wordpress移动端seo优化上一文请看
Yolo自制detect训练-CSDN博客
简介
如下图#xff1a; 首先看一下每个图的含义
loss loss分为cls_loss, box_loss, obj_loss三部分。 cls_loss用于监督类别分类#xff0c;计算锚框与对应的标定分类是否正确。 box_loss用于监督检测框的回归#xff0c;预测框…上一文请看
Yolo自制detect训练-CSDN博客
简介
如下图 首先看一下每个图的含义
loss loss分为cls_loss, box_loss, obj_loss三部分。 cls_loss用于监督类别分类计算锚框与对应的标定分类是否正确。 box_loss用于监督检测框的回归预测框与标定框之间的误差CIoU。 obj_loss用于监督grid中是否存在物体计算网络的置信度。 具体参考 yolov5_box_loss-CSDN博客 损失函数IoU、GIoU、DIoU、CIoU_ciou损失函数-CSDN博客 metrics
mAp
mAp代表的就是动态的precision和recall的关系 mAP0.5 全称是 mean Average PrecisionIoU0.5即将IoU设为0.5时计算每一个类别下所有图片的平均AP即mAP。 mAP(IoU0.5)跟Pascal VOC mAP标准计算方式一致 mAP.5:.95mAP[.5:.95]表示在不同IoU阈值0.50.95步长0.050.5、0.55、0.6、0.65、0.7、0.75、0.8、0.85、0.9、0.95上的平均mAP。 参考
【如何通俗易懂的理解mAP】——mAP理解_map更通俗地中文说法-CSDN博客
mAP0.5 与 mAP0.5:0.95 是什么意思YOLOv5-CSDN博客 Precision recall 实例说明】 问题假设某个学校有1000个王者荣耀玩家其中有10个是王者段位判断这个玩家是不是王者选手 现在我有一个分类器检测出来有20个王者选手其中包含5个真正的王者选手。那么上述指标该如何计算呢 分析检测出来有20个王者选手说明有980个选手被预测为非王者选手。这20个检测为王者选手包含5个真正的王者选手说明另外15个实际为非王者选手所以 accuracy (5980-5) / 1000 0.98 precision 5 / 20 0.25 recall 5 / 10 0.5 F-score 2 / (1/0.25 1/0.5) 0.33 sensitivity recall 0.5 specificity (980-5) / (1000-10) 0.98 从这个案例我们可以发现虽然分类器的accuracy可以达到98%但是如果我的目的是尽可能的找出隐藏在这1000人中的王者选手那么这个分类器的性能是不达标的这也就是为什么要引入precision和recall以及F-score评价指标的原因。 参考 【深度学习】分类指标accuracyrecallprecision等的区别_accuracy precision recall计算出来是不是差不多-CSDN博客 超参数调整
yaml
如下图所示 可以对应选择不同的超参数yaml 来调整超参数重新训练 数据增强
参考;
【目标检测】数据增强YOLO官方数据增强实现/imgaug的简单使用-腾讯云开发者社区-腾讯云
