- A(准确率):预测中真阳和真阴与总样本的比值。
- P(精确率):预测样本中实际正样本数占所有正样本数的比例。
- R(召唤率):预测样本中实际正样本数占所有预测样本的比例。
- AP(平均精确度)
- mAP(均值平均精度):所有类别的平均精度求和除以所有类别。
- P-R曲线:准确率和召回率之间关系曲线。
- score-threshold:是一个预设的值,用于在神经网络的训练和预测过程中,对神经元的激活或输出进行筛选。(和准确率成正比。)
- F1:根据F1值的定义,它是准确率和召回率的调和均值,因此这个值较高说明模型在准确率和召回率方面都表现不错。
PS:要提高目标检测置信度和mAP,需要调小score_threshold,调小batch_size,是这样吗??
- 1.调小score_threshold(置信度阈值)可以提升mAP,调小batch_size并不直接提高模型的置信度和mAP
- 2.将
batch_size
调小的同时增大学习率(learning_rate)是一种常用的策略,旨在保持训练速度的同时提高模型的训练质量。这是因为较小的batch_size
可能使得每次迭代中的噪声增加,从而有助于模型跳出局部最小值;而增大的学习率则有助于模型更快地更新权重。