超级会员免费看
本文详细解析YOLOv5中TensorBoard显示的Precision、Recall和mAP指标。Precision衡量正确识别目标的比例，Recall表示正确识别的有目标判例占比，mAP则是平均精度，考虑了不同IoU阈值下的召回率和精确率。此外，介绍了损失函数如GIoU和各部分损失项的作用。
1. Precision和Recall
计算公式：
其中TP为正确识别的判例个数，FN为有目标但识别为没有目标的判例个数。FP为没有目标但识别为有目标的判例个数。
Precision的含义为模型正确识别的有目标判例占模型所有认为有目标的判例的比例；
Recall的含义为模型正确识别的有目标判例占所有正确判例的比例。
2. mAP_0.5和mAP_0.5:0.95
mAP是指平均准确率。物体检测中，每一个类别都可以根据recall和precision绘制一条曲线，AP就是该曲线下的面积，mAP是多个类别AP的平均值。
mAP_0.5指的是当损失函数IoU取0.5时的mAP，mAP_0.5:0.95指的是当IoU分别取0.5~0.95时（步进0.05）mAP的平均值。
YOLO系列算法用IoU损失函数用来衡量检测框和真实框之间的交叠程度，一种常用的损失函数GIoU的计算方法为：
订阅专栏 解锁全文
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
