YOLO模型学习心得

7月18日

今天的学习任务是YOLO，观看视频

视频中从v1开始讲起，了解到mAP指标和IOU值，mAP指标如下图所示

其中涉及到两个公式和，

前者为精确度，后者为召回率，精确度是针对我们预测结果而言的，它表示的是预测为正的样本中有多少是真正的正样本。召回率是针对我们原来的样本而言的，指样本中的正例有多少被预测正确了。

IoU（Intersection-over-Union）是一个比值，分子为预测框与实际框的交集部分，分母为两个框的并集部分

还学习了卷积层和pooling层，作为知识补充，在这个网站可以比较清晰的了解到卷积层的作用原理，主要作用于filter上

https://setosa.io/ev/image-kernels/

明天将继续学习理论知识，专业术语较多，需要进一步消化，进度较慢

7月20日

labelimg标注软件的安装

安装这个软件的目的是为了给YOLO模型训练提供数据集，否则无法训练。这个软件的优势在于应用广泛，可用于Faster R-CNN，YOLO，SSD等目标检测网络所需要的数据集，且为可视化界面，操作比较友好。

安装方法在GitHub作者页面里有介绍

GitHub - heartexlabs/labelImg: 🖍️ LabelImg is a graphical image annotation tool and label object bounding boxes in images

arm版本的安装比较复杂，如果有相同问题的可以参考这里或者来问我。

https://www.pudn.com/news/62b45691405aad31f7f62e47.html

安装完后在终端cd到存放的路径后，通过以下命令运行

python labelImg.py

界面如下

​​​​​​​

 之后就可以愉快地标注了