YOLOv5解析 | 参数与性能指标

传参

  • conf_thres:Confidence Threshold,置信度阈值,即以下图片上的值。只显示预测概率超过conf_thres的预测结果

YOLOv5解析 | 参数与性能指标

  • iou_thres:Intersect over Union Threshold,交并比阈值。
    • IOU值:预测框大小∩真实框大小 / 预测框大小∪真实框大小。预测框与真实框的交集与并集的取值。
    • iou_thres在detect.py中:
      • 越大,则容易将对于同一个物品的不同预测结果 当成 对多个物品的多个预测结果,导致一个物品出现了多个预测结果。
      • 越小,则容易将对于多个物品的不同预测结果 当成 对同一个物品的不同预测结果,导致多个物品只出现了一个预测结果。

评估参数

  • P(Precision),精确率,对类A来说(下面提到的都是被预测成A的):
    • P = 正确数 / 预测总数
    • 或 P = 正确数/ 正确数+错误数
    • 即,预测的东西正确了多少百分比。
  • R(Recall),召回率,对类A来说(下面提到的都是被归为A类的):
    • R = 预测正确数 / 真实A类总数。
    • 或 R = 预测正确数 / 被预测到的A + 未被预测到的A
    • 即,预测的东西找到了多少百分比。
  • F1(F-Measure),F值,P与R的调和平均
    • F=1/(λ1P+(1−λ)1R),λ = 0.5时,简化为F1
    • F1 = 2PR / (P + R)

例:对于一个二分类问题来说:
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
要对动物进行分类,分为猫与非猫两类。样本中,猫有350份,非猫有150份。预测出了400份被认为是猫,其中,正确的有300份,错误的有100份。则:P = 300 / 400 = 0.75R = 300 / 350 ≈ 0.86

  • PR图:横坐标是R值,纵坐标是P值,曲线表示当召回率为R时,精确率P的大小。

例:假设测试集图片数量为一百张,且测试了一百张。
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

  • 当A类的R值设为0时,表示以某精确度P1计算,没有检测到A类。
  • 当A类的R值设为0.1时,表示以某精确度P2计算,检测到了A类总数的10%。
    . . . . . . .

以此类推,当A类的R值设为1时,表示以某精确度P11计算,检测到了所有的A类标签。可以看出,随R值的升高,A被预测到的数量也会增加,即那些可能性较低的A类也逐渐被预测出来。因此,可以判断P值是随着R的升高而降低。P值如果设为100,即要求被标记出来的区域一定属于A类,这种概率非常低,所以可能一个A类都识别不出来,进而导致R值为0。而若P值设为0.1,则要求被标记出来的区域只要有百分十的概率属于A类即可,那么将有很多A类被标记,R值也进一步提高。因此,PR图左下方的面积越大,则表示模型对该数据集的效果越好。

  • AP(Average Precision):以某种方式计算AP值来表达PR图的面积

  • mAP(mean Average Precision):每个类的AP值的平均数。用于表达多类标签预测的性能,如AP一样,mAP越高,性能越好。

    • mAP@.5:当IoU为0.5时的mAP。
    • mAP@.5 : .95:当IoU为range(0.5 : 0.95 : 0.05)时的mAP的平均数。

文章出处登录后可见!

已经登录?立即刷新

共计人评分,平均

到目前为止还没有投票!成为第一位评论此文章。

(0)
上一篇 2022年6月13日 上午11:35
下一篇 2022年6月13日 上午11:38

相关推荐

本站注重文章个人版权,不会主动收集付费或者带有商业版权的文章,如果出现侵权情况只可能是作者后期更改了版权声明,如果出现这种情况请主动联系我们,我们看到会在第一时间删除!本站专注于人工智能高质量优质文章收集,方便各位学者快速找到学习资源,本站收集的文章都会附上文章出处,如果不愿意分享到本平台,我们会第一时间删除!