ARM技术论坛
直播中

李平

7年用户 1247经验值
私信 关注
[资料]

YOLOv5全面解析教程之目标检测模型精确度评估

1、目标检测模型精确度评估

  指标评估(重要的一些定义)
  指标的一些基本概念:
  TP(True Postives):分类器把正例正确的分类-预测为正例。(IOU 》= 阈值)
  FN(False Negatives):分类器把正例错误的分类-预测为负例。(IOU 《 阈值)
  FP(False Postives):分类器把负例错误的分类-预测为正例
  TN(True Negatives):分类器把负例正确的分类-预测为负例(yolov5中没有应用到)
  yolov5中没有应用TN的原因: TN代表的是所有可能的未正确检测到的边界框。然而在yolo在目标检测任务中,每个网格会生成很多的预测边界框,有许多的预测边界框是没有相应的真实标签框,导致未正确检测到的边界框数量远远大于正确检测到的边界框,这就是为什么不使用TN的原因。

1.jpg


《YOLOv5全面解析教程》四,目标检测模型精确度评估.pdf (361.2 KB)
(下载次数: 0, 2022-11-21 16:39 上传)



原作者:Fengwen,BBuf

更多回帖

发帖
×
20
完善资料,
赚取积分