class:代表模型检测的类别名称;
Images:代表验证集图片总数;
Instances:代表每个类别目标所标注的总数;
P:代表精确率Precision=TP / (TP+FP), 在预测是Positive所有结果中,预测正确的比重
R:召回率recall=TP / (TP+FN), 在真实值为Positive的所有结果中,预测正确的比重
mAP50:表示IOU阈值大于0.5的平均精确度(Mean Average Precision, mAP)
mAP50-95:表示在不同IoU阈值(从0.5到0.95,步长0.05)(0.5、0.55、0.6、0.65、0.7、0.75、0.8、0.85、0.9、0.95)上的平均mAP
10-08
2678
04-08
1945
03-21
2255
10-19
2038
01-09
1753
01-07
“相关推荐”对你有帮助么?
-
非常没帮助
-
没帮助
-
一般
-
有帮助
-
非常有帮助
提交