用代码yolov5生成改进前后map曲线对比图，map0.5，map0.5:0.95，很简单，小白都能看懂！

最新推荐文章于 2025-03-05 16:10:25 发布

qq_42366162

最新推荐文章于 2025-03-05 16:10:25 发布

阅读量6k

点赞数 12

分类专栏： yolov5 文章标签： YOLO python 数据分析

本文链接：https://blog.csdn.net/qq_42366162/article/details/130251649

版权

该代码段展示了如何使用Python读取CSV文件中的数据，绘制YOLOv5在不同Epoch的mAP@0.5和mAP@0.5:0.95曲线，对比原版和优化后的模型性能。通过曲线图，可以看出改进后的YOLOv5在目标检测的精度上有何提升。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

用代码yolov5生成map曲线对比图，map0.5，map0.5:0.95

map曲线对比图

map曲线对比图

map0.5
0.95
重点csv文件在runs/train/exp中！！

import pandas as pd
import matplotlib.pyplot as plt

# Function to clean column names
def clean_column_names(df):
    df.columns = df.columns.str.strip()
    df.columns = df.columns

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

qq_42366162

关注关注

12
点赞
踩
137

收藏

觉得还不错? 一键收藏
6
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

YOLOv8入门 | 实用脚本 | 绘制多个实验的loss、mAP@0.5、mAP@0.5:0.95的高级图像【科研必备 + 绘图神器】

kay_545

08-10

1879

yolov8实验结果画图，yolov8，论文画图

YOLOv5解析 | 绘制results.csv文件数据对比图

“365天深度学习训练营”报名进行中～

05-30

1万+

功能描述我们在写论文过程中，通常是需要附带上改进后YOLOv5算法与改进前YOLOv5算法的mAP_0.5值对比图，可以使用下面的代码来生成这个对比图。代码实现 import csv import matplotlib.pyplot as plt import pandas as pd import numpy as np plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签 plt.rcParams['axes.unicode_minu

6 条评论您还未登录，请先登录后发表或查看评论

论文必备 - 绘制YOLOv12模型在训练过程中，精准率，召回率，mAP_0.5，mAP_0.5:0.95，以及各种损失的变化曲线

Limiiiing的博客

03-05

700

文件是模型在训练过程中，实时记录训练的结果，和当时控制台输出的信息一致。当然还包含一些验证损失，学习率变化等数据。epoch：记录训练的轮次，总轮次为训练文件中设置的epochs大小。：边界框损失。在训练过程中，此值逐渐变小，越小表示模型预测的边界框与真实边界框之间的差异越小。：分类损失。在训练过程中，此值逐渐变小，越小表示模型对目标类别的预测越准确。：分布焦点损失。将边界框的回归问题转化为对边界框四个边的分布预测问题，越小表示预测越准确。：精确率也称为查准率。

论文画图python-yolov5折线图实验对比图

qq_45123421的博客

11-02

2436

论文画图python-yolov5折线图实验对比图

论文必备 - 绘制YOLOv9模型在训练过程中，精准率，召回率，mAP_0.5，mAP_0.5:0.95，以及各种损失的变化曲线

Limiiiing的博客

08-31

728

在训练过程中的变化曲线（Python脚本），用以比较不同算法的收敛速度，最终精度等，并且能够在论文中直观的展示改进效果。变化曲线，数据来源是直接读取三个训练完成的。以下是比较了三个模型的。

计算yolov5中detect.py生成图像的mAP

qq_40840829的博客

04-16

1万+

本文适用背景：准备直接用yolov5提供的预训练模型coco128测试自己图像，而不是自己训练模型，然后进行目标检测。准备对自己测试后的图像进行计算mAP等指标。本文参考了许多文章，从中拷贝部分程序。如有侵权问题，请及时联系我，我会进行删改。整个流程 #用YoloV5的detect.py生成预测图，预测类别，预测框坐标，预测置信度 #将测试图的Annotation的XML文件转化为txt文件，使用yolo坐标格式表示 #将YoloV5和GroundTruth的yolo坐标转换为VOC坐标 #对某

YOLO等目标检测模型的非极大值抑制NMS和评价指标(Acc, Precision, Recall, AP, mAP, RoI)、YOLOv5中mAP@0.5与mAP@0.5:0.95的含义

m0_46378271的博客

08-01

4万+

YOLO等目标检测模型的非极大值抑制NMS和评价指标(Acc, Precision, Recall, AP, mAP, RoI)、YOLOv5中mAP@0.5与mAP@0.5:0.95的含义

YOLOv5/v7训练结果results.csv绘制loss/mAP等曲线对比图

weixin_53868909的博客

12-01

4568

可根据代码注释和自己的需求修改代码，实现自己的需求。python，复制粘贴改路径就能用。

YOLO-V3可视化训练过程中的参数，绘制loss、IOU、avg Recall等的曲线图

热门推荐

dspeia的博客

08-06

8万+

看了好几个博客，发现了些问题，有些博客是有bug的，此博客亲测无误。可视化中间参数需要用到训练时保存的log文件（命令中的路径根据自己实际修改）： ./darknet detector train pds/fish/cfg/fish.data pds/fish/cfg/yolov3-fish.cfg darknet53.conv.74 2>1 | tee visualization...

YOLOv8 改进后 loss曲线制图对比

qq_45232776的博客

06-07

608

YOLOv8 改进后 loss曲线制图对比

YOLOv5s训练结果result.txt绘制loss/mAP等曲线对比图

阿珂学cv

03-23

8024

【代码】YOLOv5s训练结果result.txt绘制loss曲线对比图。

python画yolo目标检测的loss曲线和mAP曲线等.zip

08-12

python画yolo目标检测的loss曲线和mAP曲线等

YOLOv10涨点改进：如何魔改注意力进行二次创新，高效替换PSA | NEU-DET为案列进行展开

05-28

6076

在NEU-DET案列进行可行性验证，1）mAP50从0.683提升至0.698；2）mAP50从0.683提升至0.695;

YOLOv5训练损失、精度、mAP绘图功能 | 支持多模型对比，多结果绘在一个图片（消融实验、科研必备

南栀北辰SDN的博客

03-22

3455

本文给大家带来的是YOLOv5系列的绘图功能，我将向大家介绍YOLO系列的绘图功能。我们在进行实验时，经常需要比较多个结果，针对这一问题，我写了点代码来解决这个问题，它可以根据训练结果绘制损失(loss)和mAP（平均精度均值）的对比图。这个工具不仅支持多个文件的对比分析，还允许大家在现有代码的基础上进行修，从而达到数据可视化的功能，大家也可以将对比图来放在论文中进行对比也是非常不错的选择。先展示一下效果图->YOLOv5改进专栏——持续复现各种顶会内容——内含100+创新损失对比图片->目录。

mAP及PR曲线

wanjucan7729的博客

01-14

421

mAP数据

YoloV8实战：各种图绘制汇总（mAP50、mAP50-95、loss、PR_curve、F1_curve）|科研必备|绘图神器

m0_47867638的博客

05-27

4232

本文的内容是告诉大家如何绘制mAP50、mAP50-95、loss、PR_curve、F1_curve等图像，方便大家写论文。

信息检索（IR）的评价指标介绍 - 准确率、召回率、F1、mAP、ROC、AUC

wzy的博客

12-19

1万+

reference：http://blog.csdn.NET/marising/article/details/6543943 在信息检索、分类体系中，有一系列的指标，搞清楚这些指标对于评价检索和分类性能非常重要，因此最近根据网友的博客做了一个汇总。准确率、召回率、F1 信息检索、分类、识别、翻译等领域两个最基本指标是召回率(Recall Rate)和准确率(Precision R

YOLOv8绘制map曲线图

AIcurator的博客

05-16

1134

yolov8源码绘制的map曲线图不够清晰，python代码绘制的曲线图导入word之后清晰度也不够高，所以选择使用matlab来绘制曲线图，matlab可以直接复制图窗到word中，在转换成pdf也不会失真。点击编辑，复制图窗即可复制到word中。绘制map曲线图首先要从训练好的result.txt或者result.csv文件中将map的值存放到map.xlsx文件中，第一列是epoch，剩下的几列是map值。

ultralytics/yolov5显示单个类的mAP

shenhaibb_的博客

09-20

2619

val.py文件的第247行注释再train

yolov8训练曲线图

最新发布

03-22

### YOLOv8模型训练过程中曲线图的绘制方法 YOLOv8 是一种高效的实时目标检测算法，其训练过程通常会生成多种性能指标曲线图，例如 mAP（平均精度均值）、PR（精确率-召回率）等。然而，默认情况下，YOLOv8 的源码所生成的曲线图可能无法满足高质量文档的需求[^1]。 #### 使用 Python 绘制曲线图如果希望使用 Python 来绘制更清晰的曲线图，可以通过读取 YOLOv8 训练日志文件并利用 Matplotlib 库实现自定义绘图功能。以下是具体代码示例： ```python import matplotlib.pyplot as plt import pandas as pd # 加载训练日志数据 log_data = pd.read_csv('runs/train/exp/results.csv') # 提取需要的数据列 epochs = log_data['epoch'] mAP = log_data['metrics/mAP_0.5'] precision = log_data['metrics/precision'] recall = log_data['metrics/recall'] # 创建图形对象 plt.figure(figsize=(10, 6)) # 绘制 mAP 曲线 plt.plot(epochs, mAP, label='mAP', color='blue') # 绘制 Precision 曲线 plt.plot(epochs, precision, label='Precision', color='green') # 绘制 Recall 曲线 plt.plot(epochs, recall, label='Recall', color='red') # 设置图表属性 plt.title('Training Metrics over Epochs') plt.xlabel('Epochs') plt.ylabel('Metrics Value') plt.legend() plt.grid(True) # 显示或保存图像 plt.savefig('training_metrics.png', dpi=300) plt.show() ``` 上述代码通过加载 `results.csv` 文件中的数据来绘制 mAP、Precision 和 Recall 随 epoch 变化的趋势图，并将其导出为高分辨率图片以便后续处理。 #### 使用 MATLAB 进行高级绘图对于更高要求的情况，可以选择 MATLAB 完成绘图工作。MATLAB 支持直接复制图窗至 Word 文档中而不失真，非常适合用于学术论文或其他正式场合下的插图需求[^2]。下面是一个简单的 MATLAB 脚本例子： ```matlab % 导入 CSV 数据 data = readtable('runs/train/exp/results.csv'); % 获取所需列 epochs = data.epoch; mAP = data.('metrics/mAP_0.5'); precision = data.metrics_precision; recall = data.metrics_recall; % 新建图形窗口 figure; % 绘制 PR 曲线 plot(precision, recall, 'LineWidth', 2); hold on; % 同一坐标系下继续画其他曲线 % 添加标注 xlabel('Precision'); ylabel('Recall'); title('Precision-Recall Curve'); legend('Model Performance'); grid on; % 复制到剪贴板供粘贴进 Word 中 copyobj(gca, findobj(gcf,'type','axes')); print('-dmeta','-clipboard'); % 将当前 figure 发送到 Windows 剪切板 ``` 此脚本实现了从指定路径读取结果文件并绘制 PR 曲线的功能，同时提供了便捷的方式将最终成果嵌入 Microsoft Office 系统内的应用程序里去。 #### 总结无论是采用 Python 编程环境还是切换到 MATLAB 工具箱来进行可视化操作，都可以显著提升由 YOLOv8 所产生的各类统计数值的表现形式质量。选择哪种方式取决于个人偏好以及项目特定的要求条件。