Yolo 获取模型评估指标

1. print("Class indices with average precision:", results.ap_class_index)
   输出平均精度（AP）对应的类别索引，即每个类别的AP值对应的类别编号。

2. print("Average precision for all classes:", results.box.all_ap)
   输出所有类别的平均精度（AP），这是所有类别AP值的集合。

3. print("Average precision:", results.box.ap)
   输出每个类别的平均精度（AP），即每个类别单独的AP值。

4. print("Average precision at IoU=0.50:", results.box.ap50)
   输出在IoU（交并比）为0.50时的平均精度（AP）。这是一个特定的IoU阈值下的AP值。

5. print("Class indices for average precision:", results.box.ap_class_index)
   输出每个类别的平均精度（AP）的类别索引，可能与`results.ap_class_index`重复，表示每个类别的AP值与其对应的类别索引。

6. print("Class-specific results:", results.box.class_result)
   输出每个类别的具体结果，包括AP、召回率、精度等。

7. print("F1 score:", results.box.f1)
   输出每个类别的F1分数，这是精度和召回率的调和平均值。

8. print("F1 score curve:", results.box.f1_curve)
   - 输出F1分数的曲线图，显示不同阈值下的F1分数变化。

9. print("Overall fitness score:", results.box.fitness)`
   - 输出整体的适应度分数，这可能是综合考虑多种指标后的评分。

10. print("Mean average precision:", results.box.map)`
    输出平均平均精度（mAP），这是所有类别AP的平均值。

11. print("Mean average precision at IoU=0.50:", results.box.map50)
    输出在IoU为0.50时的平均平均精度（mAP），这是一个特定的IoU阈值下的mAP值。

12. print("Mean average precision at IoU=0.75:", results.box.map75)
    输出在IoU为0.75时的平均平均精度（mAP），这是一个更严格的IoU阈值下的mAP值。

13. print("Mean average precision for different IoU thresholds:", results.box.maps)
    输出不同IoU阈值下的平均平均精度（mAP），这是在多个IoU阈值下的mAP值集合。

14. print("Mean results for different metrics:", results.box.mean_results)
    输出不同指标的均值结果，包括精度、召回率、F1分数等。

15. print("Mean precision:", results.box.mp)
    输出均值精度（mP），这是所有类别精度的平均值。

16. print("Mean recall:", results.box.mr)
    输出均值召回率（mR），这是所有类别召回率的平均值。

17. print("Precision:", results.box.p)
    输出每个类别的精度值，表示每个类别的精确度。

18. print("Precision curve:", results.box.p_curve)
    输出精度曲线图，显示不同阈值下的精度变化。

19. print("Precision values:", results.box.prec_values)
    输出具体的精度值，可能是每个类别或不同阈值下的精度数值。

20. print("Specific precision metrics:", results.box.px)
     输出具体的精度指标，可能是特定阈值下的精度信息。

21. print("Recall:", results.box.r)
    输出每个类别的召回率，表示每个类别的检测能力。

22. print("Recall curve:", results.box.r_curve)
    输出召回率曲线图，显示不同阈值下的召回率变化。