评价指标
文章平均质量分 82
ting♡
无脑学编程,记录,学习
展开
-
Focal Loss损失函数
Focal loss是一个常用的解决类别不平衡问题的损失函数,由何恺明提出的(论文名称:Focal Loss for Dense Object Detection),用于图像领域解决one-stage目标检测中正负样本极不平衡和难分类样本学习问题。本文从交叉熵损失函数出发,分析样本不平衡问题,将focal loss与交叉熵损失函数对比,给出focal loss有效性的解释。原创 2023-07-06 17:06:47 · 6080 阅读 · 0 评论 -
【评价指标】FLOPs、MACs(Multiply–Accumulate Operations)、Params
为了计算模型的总FLOPs,需要对网络中每个操作的FLOPs值进行统计并求和。可以通过工具或代码库自动计算网络的FLOPs值,但需要注意,这些值通常是以理论计算为基础,实际的运行效率可能会受到硬件设备和软件实现的影响。FLOPs值通常被用作指导模型优化和压缩的重要参考指标,因为在保持准确率不变的情况下,降低模型的FLOPs可以提高模型的运行速度和节省计算资源。,就是计算量,在神经网络领域,通常用来衡量神经网络的计算复杂度,即完成一次前向传播所需要的浮点运算次数。,是一个衡量硬件速度的指标。原创 2023-06-27 17:18:22 · 509 阅读 · 0 评论 -
【评价指标】混淆矩阵Confusion Matrix、iou、miou、召回率、准确率及代码实现
混淆矩阵Confusion Matrix是大小为 (n_classes, n_classes) 的方阵, n_classes 表示类的数量。混淆矩阵可以用于直观展示每个类别的预测情况。并能从中计算精确值(Accuracy)、精确率(Precision)、召回率(Recall)、交并比(IoU)。原创 2023-03-24 19:26:06 · 2563 阅读 · 0 评论