YOLOv5用TensorBoard可视化结果解读

 1. Precision和Recall

计算公式:

YOLOv5用TensorBoard可视化结果解读_第1张图片

其中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。

Precision的含义为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;

Recall的含义为模型正确识别的有目标判例占所有正确判例的比例。

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。

YOLOv5用TensorBoard可视化结果解读_第2张图片

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。

YOLO系列算法用IoU损失函数用来衡量检测框和真实框之间的交叠程度,一种常用的损失函数GIoU的计算方法为:

YOLOv5用TensorBoard可视化结果解读_第3张图片

YOLOv5用TensorBoard可视化结果解读_第4张图片

其中A、B表示任意两个框,C表示将AB包含在内的形状,IoU表示两个任意框的相似性。

3. loss

损失函数指的是单个样例的误差

cls_loss表示置信度的loss,box_loss表示预测框位置的loss,obj_loss表示目标的loss。

你可能感兴趣的:(Yolov5,目标检测,人工智能,计算机视觉)