yolo-v2 v3实现笔记 mAP:mean average precision 平均精度均值

mAP计算参考这里:目标检测的评估指标mAP的那些事儿

相关概念:机器学习中 True Positives(真正例TP)、False Positives(假正例FP)、True Negatives(真负例TN)和 False Negatives(假负例FN)指什么

precision:
在这里插入图片描述
recall(分母就是Ground Truth):
在这里插入图片描述

参考文章1: 目标检测之YOLOv2,最详细的代码解析

参考文章2: [Deep learning 环境配置之四]YOLO算法之YAD2K配置教程

参考文章3: 5分钟GET AI - 用 Python 玩转 YOLO

参考文章4: python ctypes 探究 ---- python 与 c 的交互

参考文章5: 深度学习框架究竟是什么?

参考文章6: Darknet_yolov2综述入门整理 ⭐

参考文章7: Darknet概述

参考文章8: darknet用自己的数据进行训练

参考文章9: YOLO配置文件理解

参考文章10: CNN中feature map、卷积核、卷积核个数、filter、channel的概念解释,以及CNN 学习过程中卷积核更新的理解

参考文章11: 从YOLOv1到YOLOv3,目标检测的进化之路

参考文章12: 准确率,召回率,mAP(mean average precision)解释

参考文章13: YOLOv2目标检测_单目标_训练自己数据全过程(自用)

参考文章14: yolov2训练自己的数据(win10超详细版)

参考文章15: 目标检测:YOLOv3: 训练自己的数据

参考文章16: Dll的分析与编写(一)

参考文章17: extern "C"的用法解析

参考文章18: Yolo v2 多版本安装

参考文章19: darknet框架中YOLO3的参数理解

参考文章20: YAD2K: Yet Another Darknet 2 Keras

参考文章21: YOLOv2 in PyTorch

参考文章22: A PyTorch implementation of a YOLO v3 Object Detector

参考文章23: YOLOv3 in PyTorch > ONNX > CoreML > iOS

参考文章24: Minimal PyTorch implementation of YOLOv3

参考文章25: pure tensorflow Implement of YOLOv3 with support to train your own dataset

参考文章26: YOLOv3算法详解(包括前向传播过程、YOLOv3 损失函数的理解、YOLOv3 的训练技巧)

参考文章27: YOLOv3目标检测有了TensorFlow实现,可用自己的数据来训练(from 量子位)

参考文章:图解 YoloV2

参考文章:YOLOv2训练自己的数据集(VOC格式)

你可能感兴趣的:(Yolo)