[email protected]与[email protected]:0.95的含义，YOLO

最新推荐文章于 2024-03-22 14:24:40 发布
最新推荐文章于 2024-03-22 14:24:40 发布
阅读量5w 收藏 132
点赞数 54
文章标签： python 计算机视觉
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ruyingcai666666/article/details/109670567
版权

mAP@0.5：mean Average Precision（IoU=0.5）
即将IoU设为0.5时，计算每一类的所有图片的AP，然后所有类别求平均，即mAP

在这里插入图片描述
如图所示，AP50，AP60，AP70……等等指的是取detector的IoU阈值大于0.5，大于0.6，大于0.7……等等。数值越高，即阈值越大，精度越低。

mAP@.5:.95（mAP@[.5:.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。

ruyingcai666666
关注
  • 54
    点赞
  • 踩
  • 132
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
mAP@0.5与mAP@0.5:0.95的含义
thequitesunshine007的博客
11-22 6034
在COCO数据集中，更关注预测框位置的准确性，AP值是针对多个IoU阈值的AP平均值，具体的就是在0.5 和0.95之间取10个IoU阈值(0.5、0.55、0.6 ..... 0.9、0.95)。目标检测问题中，算法通常输出一个预测框(bounding box)来标识检出目标的位置，要衡量这个预测框与目标的实际位置(ground truth)的准确度，可以使用IoU指标。我们如果把所有预测结果对样例进行排序，排在前面的是“最可能”的正例样本，以查准率为纵轴、查全率为横轴作图，得到一条”P-R曲线”。
mmdetection 模型评测指标
03-02
1. mmdet 默认使用的是coco格式的数据集，算法训练模型也是使用的coco格式训练数据； 2. 评测指标同样使用COCO数据集的评测指标，指标如下： 3. 算法评测参数： bbox  —— 目标检测框 segm —— 目标分割结果 4.  模型的判断标准有AP（平均精确率） 和AR（平均召回率） 两大类，在机械臂项目中，主要依据AP 来进行评测。 MAP  ——   mean Average Precision, 即各类别AP的平均值 AP50  ——  IOU 阈值设置成0.5时的AP值，也可协作mAP.5 mAP.5:.95 ——  mAP@[.5:.95](mAP@[.5,.95]) 表示在阈值区间 [0.5, 0.95]，步长为0.5的平均mAP 。IoU thresholds, from 0.5 to 0.95, step 0.05 (0.5, 0.55, 0.6, 0.65, 0.7, 0.75, 0.8, 0.85, 0.9, 0.9
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
热门推荐
m0_46378271的博客
08-01 2万+
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 1277
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@0.5 与 mAP@0.5:0.95 是什么意思，YOLOv5
12-23 2万+
mAP@0.5： mean Average Precision（IoU=0.5） 即将IoU设为0.5时，计算每一类的所有图片的AP，然后所有类别求平均，即mAP 如图所示，AP50，AP60，AP70……等等指的是取detector的IoU阈值大于0.5，大于0.6，大于0.7……等等。数值越高，即阈值越大，精度越低。 mAP@.5:.95（mAP@[.5:.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.
mAP@.5和mAP@.5:0.95的区别
qq_46595902的博客
02-11 1万+
先来讲解一下mAP@0.5 mAP:Mean Average Precision，即每个类别分别计算AP，然后Mean平均。 那么何为AP，AP即Precsion-Recall Curve图中PR曲线所围成的名字（在yolov5算法中训练结束后的文件中会生成PR-Curve图） 那么PR-Curve图怎么才算效果好？要看曲线是否平滑，多个类别的时候，哪个类别的曲线在上方证明哪个曲线的效果更好。 讲完mAP，再来讲解这个@.5什么意思，mAP@.5其实就是将IOU设置为0.5时，计算每个类别的AP的平
（超详细）YOLOv5训练出结果，如何分析结果的性能分析
qq_44421796的博客
12-22 2万+
训练次数，GPU消耗，边界框损失，目标检测损失，分类损失，total，targets，图片大小，P，R，mAP@.5, mAP@.5:.95, 验证集val Box, 验证集val obj, 验证集val cls。对于某个分类，综合了Precision和Recall的一个判断指标，F1-Score的值是从0到1的，1是最好，0是最差。（2，2）图表明框的宽的分布情况，可以看到大部分框的宽的大小大概是整幅图的宽的一半；（3，3）图表明框的宽的分布情况，可以看到大部分框的高的大小超过整幅图的高的一半。
【深度学习】目标检测的性能评价指标，mAP_0.5，mAP_0.5,0.95,0.05
q742971636的博客
11-07 1万+
计算mAP之前先考虑我们有的数值：图片原label的bbox、模型预测的bbox、模型预测的bbox的置信度、模型预测的bbox中目标类别的分类置信度。此外，我们还需要确定“IoU数值阈值”和“置信度阈值”，模型的预测能满足“IoU数值阈值”与“置信度阈值”（NMS算法）的结果参与最终混淆矩阵计算。精确率和召回率是由混淆矩阵中的数值得到，其中的TP、FP、TN、FN都是会“IoU数值阈值”和“置信度阈值”影响的。目标检测有多个类别，一个类别计算出的AP数值，所有类别平均AP数值称为mAP（
深度学习_目标检测_mAP@.5:.95的含义
07-29 8794
mAP@[.5:.95]（表示为mAP@[.5,.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。
用于yolo计算mAP和PR曲线使用
10-19
用于yolo计算mAP和PR曲线使用，里面有4个python文件，分为python2和python3版本
YOLO-TLA：基于YOLOv5的高效轻量级小目标检测模型
04-11
与基线YOLOv5s模型相比，我们新开发的YOLO-TLA模型在MS COCO验证数据集上显示出相当大的改进，在mAP@0.5中增加了4.6%，在mAP@0.5：0.95中增加了4%，同时将模型大小紧凑地保持在9.49M参数。进一步将这些改进扩展到 ...
斑马线+行人+交通灯(红绿灯)三类别YoLo数据集
04-18
利用YoLoV5的m6权重以imgsz640训练300轮，mAP0.5有0.956，mAP0.5~0.95有0.7299 2. 适用人群：寻找斑马线、行人、交通灯数据集进行机器学习(目标检测)的同学 3. 其他说明： 标注文件为yolo格式的txt文本，若需转...
使用YOLO v7在磁共振成像中检测肾脏
最新发布
04-11
简介 本研究探讨了使用最新的 You Only Look Once （YOLO V7） 物体检测方法，通过训练和测试医学图像格式上的改进 YOLO V7，来增强医学成像中的肾脏检测。方法 研究纳入878例肾细胞癌（RCC）不同亚型患者和206例...
YOLOV5 实战项目：行人图像目标检测数据集
03-15
项目迭代了100个epoch，在runs目录下保存了训练结果，训练最好的精度map0.5=0.62，map0.5:0.95=0.42。训练过程中会生成验证集的混淆矩阵，PR曲线、F1曲线等等runs/detect目录下保存了网络推理训练集的全部结果，推理...
常见深度学习目标检测指标 AP mAP mAP@0.5 mAP@0.5:0.95 简短总结
weixin_57672347的博客
10-26 1717
目标检测指标计算准确率 召回率 AP mAP。
【笔记】mAP@0.5与mAP@0.5:0.95的含义YOLO：IoU为0.5时，计算每一类的所有图片的AP，所有类求平均；在不同IoU阈值（从0.5到0.95，步长0.05）上的平均mAP
nyist_yangguang的博客
10-26 3596
map@0.5和map@0.5:0.95啥意思
07-28
引用\[1\]和\[2\]解释了mAP@0.5和mAP@0.5:0.95的含义。mAP@0.5表示在IoU阈值为0.5时的平均精度（mean Average Precision），而mAP@0.5:0.95表示在不同IoU阈值范围（从0.5到0.95，步长为0.05）上的平均精度。\[1\]\[2\]这两个指标通常用于评估目标检测算法的性能。引用\[3\]进一步解释了在不同数据集中的标记方式。在Pascal VOC数据集中，mAP通常标记为mAP@0.5，表示使用固定的IoU阈值0.5来计算平均精度。而在MS-COCO数据集中，mAP标记为mAP@0.5:0.95，表示在多个IoU阈值范围上计算平均精度。 #### 引用[.reference_title] - *1* *3* [mAP@0.5与mAP@0.5:0.95的含义，YOLO](https://blog.csdn.net/perfect_ch/article/details/117480528)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* [mAP@0.5 与 mAP@0.5:0.95 是什么意思，YOLOv5](https://blog.csdn.net/qq_38251616/article/details/122109519)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“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
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值