yolov5的混淆矩阵

本文探讨了Yolov5模型的混淆矩阵,指出其矩阵中的数值为归一化值,导致对角线上的数字实际上代表了召回率。例如,第一行的类别ak的召回率为0.78/(0.78+0.03+0.19) = 0.78。若要计算精确率,需先将矩阵还原为实际数量,然后进行横向计算。
摘要由CSDN通过智能技术生成

正常混淆矩阵是下图这样的,每个格子里填写的是数量

在这里插入图片描述

准确率、精确率和召回率的公式如下

在这里插入图片描述

Yolov5模型预测出来的混淆矩阵如下图所示,可以发现,每个格子里填是是小数,经分析可发现,下图应该是在列的方向上做了归一化了,所以根据召回率的公式可得,混淆矩阵对角线上格子里的数,已经就是召回率了,以第一行的类别ak为例
召回率为0.78/(0.78+0.03+0.19)=0.78
如果想计算精确率,需要将混淆矩阵还原成数量,然后横向计算一下即可

在这里插入图片描述

  • 32
    点赞
  • 156
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 30
    评论
评论 30
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

视觉AI

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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