yolov5 基础

最新推荐文章于 2024-07-19 14:53:23 发布
最新推荐文章于 2024-07-19 14:53:23 发布
阅读量96 收藏
点赞数
文章标签： YOLO
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/h3214463785/article/details/130834854
版权

目录

使用的数据集

目标检测的性能指标 

 目标分类可以用到的指标  混淆矩阵

 检测框准不准 指标：IoU 交并比

AP（average precision）学习出来的模型在每个类别上的好坏

mAP 学习出来的模型在所有类别上的好坏 就是所有类别的平均值 是通过precision和recall曲线计算出来的 mAP越大目标检测越准确

 在不同数据集上AP和mAP定义可能不同 

 AP的计算

计算完了之后就可以画曲线的

 2010年新的计算AP的方法 更加准确

  1. 使用的数据集

 

目标检测的性能指标 

 

 精度指标和检测速度

 目标分类可以用到的指标  混淆矩阵

 检测框准不准 指标：IoU 交并比

 

 iou越大预测和给出越接近

AP（average precision）学习出来的模型在每个类别上的好坏

mAP 学习出来的模型在所有类别上的好坏 就是所有类别的平均值 是通过precision和recall曲线计算出来的 mAP越大目标检测越准确

 在不同数据集上AP和mAP定义可能不同 

 AP的计算

 他是根据置信度给出一个排名    precision 是预测从上到下一共n ：有多少个true / n

比如说 我要计算排名为3的precision  前面有2个true 那就是 2/3

recall是 true / 样本数量

计算完了之后就可以画曲线的

 下图为近似计算

 2010年新的计算AP的方法 更加准确

 

 性能：检测速度

 前传耗时 每秒帧数 他俩吃硬件

浮点运算量（flops）不吃硬件 拼算法

h3214463785
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
深度学习基本概念笔记
Nagato_Yuki_SOS的博客
12-02 553
注意力机制(Attention Mechanism): 注意力机制受到人类视觉注意力机制的启发，即关注图像特定部分的能力。即当神经网络发现输入数据的关键信息后，通过学习，在后继的预测阶段对其予以重点关注。 Attention Mechanism可以帮助模型对输入的X每个部分赋予不同的权重，抽取出更加关键及重要的信息，使模型做出更加准确的判断，同时不会对模型的计算和存储带来更大的开销，这也是Attention Mechanism应用如此广泛的原因。 对nlp领域，Attention Mechanism的目的是
YOLOV5 训练，前n个epoch不计算mAP（加快训练速度）
tty_fu的博客
06-02 368
由于每次迭代计算mAP需要耗费时间，不计算mAP可以加快迭代速度。只修改一行代码即可实现前n个epoch不计算mAP，从第n+1个epoch开始正常计算mAP。
深度学习——Yolov4目标检测项目
m0_63308019的博客
04-28 845
YOLOv4是一种目标检测算法，是YOLO (You Only Look Once) 系列的最新版本，由Alexey Bochkovskiy、Chien-Yao Wang和Hong-Yuan Mark Liao共同提出。相比于之前的版本，YOLOv4在速度和精度方面都有了显著的提升。
faster rcnn 计算mAP
sihaiyinan的博客
03-04 1万+
训练完faster rcnn想要计算一下mAP，结果整了半天才成功，在这里记录一下，省的下次忘了。 前面直接说计算方法和可能遇到的错误，后面再详细对代码进行解析。 计算流程 首先说一下faster rcnn中mAP的计算流程。主要流程为： 1、运行/tools下的test_net.py文件。 2、test_net.py文件调用/lib/fast_rcnn/test.py文件中的te...
【极市任务——安全帽检测|yolov5】一文带你快速通过任务|使用yolov5[6.0]|和极市说明文档不一样的yolov5内容|python
m0_61139217的博客
06-23 5073
【极市任务——安全帽检测|yolov5】一文带你快速通过任务|使用yolov5[6.0]|和极市说明文档不一样的yolov5内容|python
【mmdetection】绘制训练结果中验证集测试的mAP曲线图
weixin_46600060的博客
06-01 4698
在训练模型的时候，我们通常会在每个 epoch 训练完成后，对验证集做一下测试，看一下模型的效果如何。那么如何绘制每个 epoch 验证的 mAP 结果呢？mmdetection 中自带可视化分析工具，在 tools/analysis_tools 文件夹下，我们可用以下命令绘制每次验证结果的 mAP 结果，从而选择合适的模型进行后续测试。 其中，可选则不同的 keys （如 loss 等），根据训练的日志文件绘制训练的验证结果。 图中，一个点代表一个 epoch 的验证结果。例图中是 100 个 epoch
ncnn使用yolov5示例.zip yolov5 基础实例
01-26
标题"ncnn使用yolov5示例.zip yolov5 基础实例"表明这是一个关于如何在ncnn框架中运用Yolov5进行目标检测的基础教程。Yolov5是一种流行的实时目标检测模型，而ncnn是腾讯优图团队开源的高性能神经网络前向计算框架，...
YOLOV5模型下载
04-17
标题提到的“YOLOV5模型下载”指的是获取YOLOV5的不同模型权重文件，这些文件通常用于已经预训练好的模型，可以直接用于物体检测任务，或者作为基础进行进一步的微调。 描述中列出的"yolov5s.pt, yolov5x.pt, yolov...
YOLOV5TORCH03
06-09
YOLOv5Torch03可能是指一个特定的版本，包含了作者或团队在YOLOv5基础上进行的一些优化或调整，例如改进的训练策略、优化的模型结构等。在使用这个版本时，可以期待它在速度和准确度上达到或超过标准的YOLOv5模型。 ...
Yolov5基础内容的学习资料.doc
03-25
2.2 Yolov5核心基础内容 2.2.1 输入端 2.2.2 Backbone 2.2.3 Neck 2.2.4 输出端 2.3 Yolov5四种网络结构的不同点 2.3.1 四种结构的参数 2.3.2 Yolov5网络结构 2.3.3 Yolov5四种网络的深度 2.3.4 Yolov5四种网络的...
YOLOv5 官方权重文件
04-26
1. **YOLOv5的架构**：YOLOv5是YOLO系列的最新版本，它在前几代的基础上进行了优化，包括更快的训练速度和更高的检测精度。该模型采用了卷积神经网络（CNN）来同时进行目标分类和定位，其核心是基于U-Net结构的骨干...
yolo 算法中的IOU算法程序与原理解读
热门推荐
caokaifa的博客
06-18 1万+
你如何判断对象检测算法运作良好呢？这里我们引进了IoU(Intersection over Union)通过上面的图，我们可以知道loU衡量了两个边界框重叠地相对大小。如果你有两个边界框，你可以计算交集，计算并集，然后求两个数值的比值，现在贴出python计算IOU代码：def iou(box1, box2): """Implement the intersection over unio...
[深度学习 - 目标检测] YOLO系列（一）
南城同学的博客
03-22 1225
1. one-stage 衡量算法的两个指标： mAP和FPS: mAP越大，代表检测效果越好； FPS越大，代表速度越快. 2. two-stage 3. 指标分析 精度和召回率；
mmdetection获取最高map的epoch
Ghlerrix的博客
03-27 539
自动从训练结果中获取最高的mAP所对应的epoch。 <code>import json import os ''' :param work_dir 训练结果目录 :return 最好的map对应的epoch路径 ''' def getBestEpoch(work_dir): global maxEpoch fileList = os.listdir(work_di...
epoch如何设置_如何用机器学习模型，为十几亿数据预测性别
weixin_34318945的博客
01-04 624
基于用户画像进行广告投放，是优化投放效果、实现精准营销的基础；而人口属性中的性别、年龄等标签，又是用户画像中的基础信息。那该如何尽量准确的为数据打上这些标签？这时候机器学习就派上用场了。本文将以性别标签为例，介绍人口属性标签预测的机器学习模型构建与优化。性别标签预测流程通常情况下，无监督学习不仅很难学习到有用信息，而且对于学习到的效果较难评估。所以，如果可以，我们会尽可能地把问题转化成有监督学习。...
【YOLOv10改进[Conv]】KAN系列 |使用KAGNConv改进C2f + 含全部代码和详细修改方式 + 手撕结构图
最新发布
静谧、淡雅
07-19 15
【YOLOv10改进[Conv]】KAN系列 |使用KAGNConv改进C2f + 含全部代码和详细修改方式 + 手撕结构图
YOLOV3翻译
smilejfy的博客
07-15 531
我们对 YOLO 进行了一些更新！我们在设计上做了一些小改动，使它变得更好。我们还训练了一个新的网络，它非常强大。在模型上，它比上次的大了一点，但更准确了，不过速度还是很快，不用担心。在 320×320 时，YOLOv3 以 28.2 mAP 在 22 毫秒内运行，与 SSD 一样精确，但速度快三倍。当我们使用旧的 0.5 IOU mAP 检测指标时，YOLOv3 的表现相当不错。
yolov5基础知识
05-05
YOLOv5是一种目标检测算法，它是YOLO（You Only Look Once）系列算法的最新版本。相比于之前的版本，YOLOv5在准确性和速度方面都有所提升。 以下是YOLOv5的基础知识： 1. 网络结构：YOLOv5采用了一种轻量级的网络结构，主要由卷积层、池化层和全连接层组成。它使用了一种称为CSPDarknet53的骨干网络来提取特征，并在其之上构建了一系列的卷积层和上采样层。 2. 特征提取：YOLOv5通过骨干网络将输入图像转换为一系列特征图。这些特征图具有不同的尺度，可以用来检测不同大小的目标。 3. Anchor框：YOLOv5使用Anchor框来预测目标的位置和类别。Anchor框是一组预定义的边界框，每个Anchor框都与网络输出的特征图上的一个位置相对应。通过与Anchor框的匹配，可以确定目标的位置。 4. 多尺度预测：YOLOv5在不同尺度的特征图上进行目标检测，以便能够检测到不同大小的目标。它通过将不同尺度的特征图进行上采样和融合，来实现多尺度的预测。 5. 训练和推理：YOLOv5的训练过程包括数据准备、网络初始化、损失计算和参数更新等步骤。在推理阶段，可以将输入图像通过网络前向传播，得到目标的位置和类别预测结果。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值