本文详细解析了目标检测模型YOLOv5的精度评估指标，包括IOU、TP、FP、FN、TN、Precision、Recall和mAP。介绍了mAP在多类别检测中的计算方法，并提供了YOLOv5计算IOU和AP的源码分析链接。
撰文 | Fengwen, BBuf
代码仓库地址，欢迎Star：
https://github.com/Oneflow-Inc/one-yolov5
1
指标评估（一些重要的定义）
IOU
(Intersection Over Union) 基于Jaccard索引，用于评估两个边界框之间的重叠程度。它需要一个真实回归框 (a ground truth bounding box) 
和一个预测回归框(a predicted bounding box)
计算得到。通过应用 IOU 我们能够判断出预测结果是有效（True Positive） 或者无效（False Positive）。
也称重叠度表示计算预测回归框和真实回归框的交并比,计算公式如下:
其中: 
下图可视化了真实回归框（绿色）和 预测回归框（红色）之间的IOU。
图1.1：
的计算。绿色: 
，红色:
最低0.47元/天 解锁文章
扫一扫
40
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
