yolov测试各项指标的流程:

最新推荐文章于 2024-09-01 14:52:03 发布

或许，这就是梦想吧！

最新推荐文章于 2024-09-01 14:52:03 发布

阅读量566

点赞数

文章标签：深度学习 batch 目标检测

本文链接：https://blog.csdn.net/orDream/article/details/122120954

版权

本文详细介绍了YOLOv模型在测试时计算各项指标的流程，包括载入模型、按batch_size预测、计算混淆矩阵和IOU。重点讨论了坐标系统的理解，以及在计算过程中坐标如何从归一化转换回原图尺度。

摘要由CSDN通过智能技术生成

yolov测试各项指标的流程:

载入模型, 其中包括类别数等;

按照 batch_size 逐张图片进行预测

得到预测标签: predn 和实际标签 labelsn, 其中末尾的 n 表示经过了原图适配的 bbox坐标.

predn: {
       tensor: (3,6)},表示预测到了3个标签, 表示[x1, y1, x2, y2, confidence, class]
    
tensor([[754.00000,  86.00000, 767.00000, 104.00000,   1.00000,   0.00000],
        [676.00006, 241.00000, 689.00006, 260.00000,   1.00000,   0.00000],
        [731.00000, 311.00000, 752.00000, 327.00000,   1.00000,   0.00000]], device='cuda:0')

labelsn: {
       tensor: (3, 5)}, 实际有3个标签, 表示[class, x1, y1, x2, y2]

tensor([[  0.00000, 731.00000, 311.00000, 752.00000, 327.00000],
        [  0.00000, 676.00006, 241.00000, 689.00006, 260.00000