yolov5 ap

D_Yan7

于 2024-10-08 13:14:27 发布

阅读量157

点赞数 2

CC 4.0 BY-SA版权

文章标签： YOLO python 深度学习

本文链接：https://blog.csdn.net/D_Yan7/article/details/142590431

# 计算模型的适应度
def fitness(x):
    w=[0.0,0.0,0.1,0.9]
    return (x[:,:4*w]).sum(1)

def smooth(y,f=0.05):
    # 滤波器的大小
    nf=round(len(y)*f*2)//2+1
    # 边界处理
    p=np.ones(nf//2)
    # 在原数组的前后分别添加若干个重复的首尾元素，以避免在卷积计算时因边界效应导致的失真。
    yp=np.concatenate((p*y[0],y,p*y[-1]),0)
    # 卷积计算,使用卷积函数，对填充后的数组 yp 进行滤波。np.ones(nf) / nf 创建一个均值滤波器，其元素均为 1/nf。
    return np.convolve(yp,np.ones(nf)/nf,mode='valid')


def ap_per_class(tp,conf,pred_cls,target_cls,plot=False,save_dir='.',names=(),eps=1e-6,prefix=""):
    # 对conf置信度进行降序排序
    i=np.argsort(-conf)
    tp,conf,pred_cls&