YOLOv5用TensorBoard可视化结果解读

YOLOv5用TensorBoard可视化结果解读_第1张图片

YOLOv5用TensorBoard可视化结果解读_第2张图片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)。

YOLOv5用TensorBoard可视化结果解读_第3张图片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4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。

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)YOLOv5用TensorBoard可视化结果解读_第5张图片

 

你可能感兴趣的:(yolo系列,深度学习,人工智能)