![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
神经网络小知识
文章平均质量分 78
Fire丶Chicken
这个作者很懒,什么都没留下…
展开
-
IoU、GIoU、CIoU、DIoU(附加代码)
IoU有两个个弊端,第一个就跟下面这张图一样,预测框和真实框之间的IoU都为0,但是上面的预测的预测框明显要比下面的好一点,那这样IoU_loss就没有了对比性。第二个弊端就是下面的图片,它们的IoU其实都是一样的,但是两个矩形框的重合的明显有差别,那IoU_loss此时也失去了对比性。好像是为了加快GIoU的收敛速度,DIOU在IOU损失的基础上加一个惩罚项,用来最小化两个检测框中心点之间的标准化距离。IoU的值表示预测框A和真实框B之间交并比的差值,反映预测检测框的检测效果。所以GIoU就来了。原创 2022-10-25 12:18:50 · 500 阅读 · 1 评论 -
什么是精确率、召回率、F1?
F1分数是统计学中用来衡量二分类模型精确度的一种指标。它同时兼顾了分类模型的精确率和召回率。F1分数可以看作是模型精确率和召回率的一种加权平均,最大值为1,最小为0。精确率体现的是在所有预测出的样本中,有多少是被正确预测的。召回率是针对原先实际样本而言,有多少样本本准确预测。原创 2021-10-18 10:02:32 · 2517 阅读 · 0 评论