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。