对YOLOv5目标检测正确与否的理解

学习目标检测有一段时间了，然而对目标检测怎么才算正确一直没有透彻的理解，也许有人会说，那不是很简单嘛，预测框与目标框IOU大于设定的阈值就认为是正确的呀，但是当真正写代码计算PR时，会有些细节性的问题。

---

1. 哪些框是应该与目标框计算的
2. 同一张图片同类物体有两个，如何与预测框对应
3. 为什么要选iou最大的预测框作为最终框

先举个例子，假如在一张图片上给出狗子的位置，现在模型输出三个狗子位置，其中一个是预测正确的（IOU大于阈值），另外两个位置是没有狗子的，即错误的，问预测的准确率是多少？三分之一吗，我之前也是这样想的。实际上YOLOv5是这样计算的，计算这三个预测结果与目标位置的IOU，取其中最大的IOU对应的预测结果为最终预测结果，如果这个最大的IOU大于阈值则认为是正确的，反之错误。也就是说，对于同一个目标的预测，只看最佳预测！对应代码为：

ious, i = box_iou(predn[pi, :4], tbox[ti]).max(1)  # best ious, indices

现在回到开头的三个问题，哪些框是应该与目标框计算的？

YOLOv5预测的每个结果中是有类别这一值的，目标框也有类别，与目标框类别相同的预测框即是参与IOU计算的框，最后选出IOU值最高的预测框作为该目标预测结果。

同一张图片同类物体有两个，如何与预测框对应？

一样道理，物体同类但位置不同，与目标框类别相同的预测框即是参与IOU计算的框，最后选出IOU值最高的预测框作为该目标预测结果。

为什么要选IOU最大的预测框作为最终框?

个人觉得，每个预测框的置信度不同，所以不能一视同仁而是取最优？暂时还没完全想明白。

计算TP和FP是用到哪些预测类别正确，置信度低，但IOU小的结果的。在YOLOv5的测试过程中，发现个问题，改变NMS的参数值（conf-thres和iou-thres）会影响最后的P、R、AP，那官方的设置应该是多少呢