yolov8 训练时输出各个类别的ap值

最新推荐文章于 2024-05-31 16:50:13 发布
最新推荐文章于 2024-05-31 16:50:13 发布
阅读量1.1k 收藏 17
点赞数 3
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/huachenyuyu1/article/details/134113090
版权
你好123456789012
关注
  • 3
    点赞
  • 踩
  • 17
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
超详细YOLOv8全解：学v8只用看一篇文章
weixin_45303602的博客
06-19 4839
例如，tensor([0., 5., 0., 0., 0.], device='cuda:0')中的0和5表示第一个对象被分类为类别0，第二个对象被分类为类别5，以此类推。举例来说，如果一个.txt文件中的一行是1 0.5 0.5 0.2 0.3，这意味着该对象属于类别1（例如“车”），其边界框的中心位于图像中心（X和Y坐标均为0.5），边界框的宽度是图像宽度的20%，高度是图像高度的30%。YOLOv8x-cls: 在这个系列中，它提供了最高的准确率，但速度最慢，需要较强的硬件支持。
新手小白快速看懂yolov8模型训练结果图表，通过mAP、Precision、Recall等评价性能
专注于图像领域，主要研究内容包括计算机视觉和深度学习，特别是在图像分类、目标检测和图像生成等方面有深入的研究和实践经验。
05-22 1626
新手小白快速看懂yolov8模型训练结果图表，通过mAP、Precision、Recall等评价性能： confusion_matrix.png、confusion_matrix_normalized.png、F1_curve.png、labels.jpg labels_correlogram.jpg、P_curve.png、PR_curve.png、R_curve.png、results.png
打印YOLOv5训练过程中每个类别的AP
Arain___的博客
07-25 1268
YOLOv5训练状况下默认只显示mAP_0.5和mAP_0.5：0.95，想要查看最终每个类别的AP只能在训练结束后的PR曲线中查看。如果想在训练过程中打印，需要在val.py中270行附近修改。此时训练过程中每一轮都将显示每一个类别的AP。
yolov8模型训练结果分析以及如何评估yolov8模型训练的效果
热门推荐
githubcurry
06-05 6万+
混淆矩阵是对分类问题预测结果的总结。使用计数值汇总正确和不正确预测的数量，并按每个类进行细分，显示了分类模型进行预测时会对哪一部分产生混淆。通过这个矩阵可以方便地看出机器是否将两个不同的类混淆了（把一个类错认成了另一个）。混淆矩阵不仅可以让我们直观的了解分类模型所犯的错误，更重要的是可以了解哪些错误类型正在发生，正是这种对结果的分解克服了仅使用分类准确率带来的局限性（总体到细分）。
Yolov8目标识别——模型训练结果可视化图分析与评估训练结果
知来者逆的博客
01-16 3万+
Yolov8在训练完成之后，会在run目录下把训练的过程一些参数与结果示意图保存下来,这里面包含是目标检测性能指标，如下图:表示正确预测的目标数量与总预测数量的比率。表示模型正确预测为正样本的样本数量占所有预测为正样本的样本数量的比例。表示模型正确预测为正样本的样本数量占所有实际正样本的样本数量的比例。综合考虑精确率和召回率，是精确率和召回率的调和平均数。衡量模型检测出的区域与实际目标区域的重叠程度。在目标检测中，AP通常指Precision-Recall曲线下的面积，用于综合评估模型的性能。
yolov8分类网络输出每个类别的准确率
最新发布
weixin_51127642的博客
05-31 357
print(f"类别 {class_names[i]} 的准确率: {acc:.2f}")cm = results.confusion_matrix.matrix # 获取混淆矩阵数据。print(f"Top-1 准确率: {results.top1:.2f}")print(f"Top-5 准确率: {results.top5:.2f}")# 尝试从 confusion_matrix 中提取每个类别的准确率。# # 打印 curves 和 curves_results。# 在数据集上验证模型。
yolov8使用详解
qq_30150579的博客
12-06 7684
yolov8使用详解
YOLOv8 YoLov8l 模型输出及水果识别
qq_60245590的博客
12-08 1020
【代码】YOLOv8 YoLov8l 模型输出及水果识别。
YOLOv8~AP计算及极小目标的优化
whaosoft143ai的博客
05-25 1250
在对比不同模型的指标时，最好使用同一统计工具。关于AP的计算，还需强调一点的是在横向对比其他模型时，一定要保证模型输出的置信度阈值和NMS阈值保持一致。增大输出特征图和标签分配采用ATSS。增大输出特征图很好理解，更大的特征图带来更加精细的底层特征，也意味着更多的候选正样本（落入GT框内），召回率自然会拉升。而标签分配也是影响最终正样本的重要因素，为什么yolov8使用的TAL会损害小目标的召回呢？ whaosoft aiot http://143ai.com
YOLOv8 更改输出维度（2023.7.23）
SchroZY的博客
07-23 1086
会造成后处理的时候会造成内存访问不连续，不利于我们对推理结果做解码。原始yolov8的输出维度是。
yolov8 C++目标检测推理代码上加上关键点输出
huzhifei的专栏
12-28 1165
1.在yolov8 的目标检测代码上加上关键点解析输出，下载yolov8n-pose.pt转换为onnx格式的 yolov8n-pose.onnx ，输出 1,56,8400。4.在推理结果解析的时候，增加关键点信息的输出，这里只取出17个关键点的中的前5个关键点。注：原始的目标检测代码来自网上，在此基础上增加关键点检测代码。5.在640*640推理的后的坐标信息转换为原图坐标信息。2.在输出结果结构体中加上关键点的集合 kps。3.修改classNums的值获取。6.在原图中标出最前面的5个关键点。
YOLOv8密集行人检测+WiderPerson行人检测权重+WiderPerson数据集+Pyqt界面+详细使用教程
04-08
1、PyQt5-YOLOv8-main-WiderPerson，WiderPerson数据集是比较拥挤场景的行人检测基准数据集，yolov8训练好的WiderPerson行人检测模型，训练输入尺寸为640x640，附有txt格式和xml格式的WiderPerson数据集；...
YOLOv4目标检测实战：训练自己的数据集
06-20
与 YOLOv3 相比，新版本的 AP（精度） 和 FPS （每秒帧率）分别提高了 10% 和 12%。 YOLO系列是基于深度学习的端到端实时目标检测方法。本课程将手把手地教大家使用labelImg标注和使用YOLOv4训练自己的数据集。...
AP6212各个版本固件.zip
07-20
《AP6212各个版本固件：深入解析与应用》 AP6212，作为一款广泛应用的无线接入点（Access Point），在无线网络部署中扮演着至关重要的角色。其固件是AP6212的核心软件部分，决定了设备的功能、性能以及安全性。本文...
Windows版YOLOv4-tiny目标检测实战：训练自己的数据集
06-21
需要学习Ubuntus系统YOLOv4-tiny的同学请前往《YOLOv4-tiny目标检测实战：训练自己的数据集》 YOLOv4-tiny来了！速度大幅提升！ YOLOv4-tiny在COCO上的性能可达到：40.2% AP50, 371 FPS (GTX 1080 Ti)。相较于...
APjulei.rar_ap聚类_聚类_聚类并输出_聚类输出
09-23
标题“APjulei.rar_ap聚类_聚类_聚类并输出_聚类输出”暗示这是一个关于AP聚类算法的应用实例，其中包含一个名为“APjulei.m”的MATLAB文件。MATLAB是一种强大的数学计算环境，尤其适合进行数据处理和分析任务，包括...
yolov8的Detect层详解(输出维度改动)
yjcccccc的博客
04-20 1万+
对于部署端需要拿到onnx的output进行后处理，但是基于anchor_free的yolov8输出是1*(4+cls)*8400，不是我们常见的ncwh格式，所以对Detect层进行了学习，分享一下体会。
YOLOv8自用数据集输出COCO评价指标（包含大中小物体的AP值）解决AssertionError: Results do not correspond to current coco set问题
weixin_46170504的博客
03-08 2042
只需修改之前json文件与修改后新生成json文件的路径即可 通过两个文件（分别对应之前的两个json文件与新生成的统一格式的json文件） 运行这两个python文件，最后在get_coco_metrics.py文件中将两个json文件的路径修改为调整后的json文件路径，运行get_coco_metric.py文件，成功输出coco评价指标！若为imageid不匹配则可新建两个python文件分别将两个json文件的image_id调为相同的格式 ，image_id.py文件内容如下。
yolov8之训练、验证、预测、导出
Jumy_S的博客
09-24 7682
yolov8之训练
yolov5训练结果知道ap值mAP值怎么得到
05-15
在 YOLOv5 训练过程中，可以使用以下指令来得到训练结果中的 AP 值和 mAP 值： ``` python train.py --data coco.yaml --cfg models/yolov5s.yaml --weights '' --batch-size 64 --epochs 300 --device 0,1,2,3 --multi-scale --cache-images --name yolov5s_results --project yolov5_results --exist-ok --evolve ``` 其中，`--data` 指定数据集的配置文件，`--cfg` 指定模型的配置文件，`--weights` 指定预训练模型的权重文件，`--batch-size` 指定每个批次的图像数量，`--epochs` 指定训练的轮数，`--device` 指定训练使用的 GPU 设备编号，`--multi-scale` 表示使用多尺度训练，`--cache-images` 表示将图像缓存到内存中以加快训练速度，`--name` 指定训练结果保存的文件夹名称，`--project` 指定训练结果保存的项目名称，`--exist-ok` 表示如果训练结果文件夹已存在，则不会报错，而是继续训练，`--evolve` 表示进行超参数优化。 在训练完成后，可以使用以下指令来计算 AP 值和 mAP 值： ``` python val.py --data coco.yaml --weights runs/train/yolov5s_results/weights/best.pt --task val --img-size 640 --iou 0.65 --half --conf 0.001 --project yolov5_results --name yolov5s_results --exist-ok ``` 其中，`--data` 指定数据集的配置文件，`--weights` 指定训练完成后保存的模型权重文件，`--task` 指定需要进行的任务，`--img-size` 指定输入图像的尺寸，`--iou` 指定 IoU 阈值，`--half` 表示使用半精度浮点数计算，`--conf` 指定预测框的置信度阈值，`--project` 指定训练结果保存的项目名称，`--name` 指定训练结果保存的文件夹名称，`--exist-ok` 表示如果结果文件夹已存在，则不会报错，而是覆盖其中的文件。 计算完成后，AP 值和 mAP 值将会在控制台输出。
评论 1
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