YOLOv5系列(二十一) 本文(1万字) | 解读训练结果混淆矩阵， PR曲线，AP， mAP， F1-score，events.out.tfevents，P_curve.png，PR_curve等

已于 2023-12-29 16:27:23 修改
阅读量685 收藏 7
点赞数 8
文章标签： YOLO 深度学习 人工智能
于 2023-12-27 11:39:28 首次发布
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/weixin_44302770/article/details/135241619
版权
人工智能专栏计划 专栏收录该内容
141 篇文章 7 订阅

已下架不支持订阅

点击进入专栏：
《人工智能专栏》 Python与Python | 机器学习 | 深度学习 | 目标检测 | YOLOv5及其改进 | YOLOv8及其改进 | 关键知识点 | 各种工具教程

代码函数调用关系图(全网最详尽-重要)

因文档特殊，不能在博客正确显示，请移步以下链接！

图解YOLOv5_v7.0代码结构与调用关系(点击进入可以放大缩小等操作)

预览：
在这里插入图片描述

文章目录

一、性能指标

1.1 混淆矩阵

混淆矩阵（Confusion Matrix），对分类问题预测结果的总结。使用计数值汇总正确和不正确

了解本专栏 已下架不支持订阅
小酒馆燃着灯
关注
  • 8
    点赞
  • 踩
  • 7
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录

已下架不支持订阅

yolov5的混淆矩阵
weixin_43745234的博客
11-26 1万+
正常混淆矩阵是下图这样的，每个格子里填写的是数量 准确率、精确率和召回率的公式如下 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，所以根据精确率和召回率的公式可得，混淆矩阵对角线上格子里的数，已经就是召回率了，如果想计算精确率，横向计算一下即可，以第一行的类别ak为例 召回率为0.78/(0.78+0.03+0.19)=0.78 精确率为：0.78/(0.78+0.02+0.03+0.38)=0.65 ...
YoloV5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
最新发布
m0_47867638的博客
05-28 264
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。
【目标检测】评价指标：混淆矩阵概念及其代码实现(yolo源码)
chu-xia的博客
01-11 3266
本篇文章首先介绍目标检测任务中的评价指标混淆矩阵的概念，然后介绍其在yolo源码中的实现方法。
深度学习图像识别笔记（三）：yolov5检测结果分析
m0_54227219的博客
03-23 1万+
yolov5学习
【YOLO系列PR、F1绘图】更改v5、v7、v8（附v8训练、验证方式），实现调用val.py或者test.py后生成pr.csv，然后再整合绘制到一张图上（使用matplotlib绘制）
孟孟单单的博客
04-24 1万+
值给提出来，所以绘图就比较潦草，直接用的matplotlib画的，如果要用于论文中的绘图，一般使用。（作用都是一样的，都是用已训练好权重对测试集进行验证，然后打印出一系列指标）（PR、F1的表格长得差不多，就是数据内容不同，表头相同，行数相同）（注意：本代码最重要的作用是将验证时得到的一系列。，即可运行得到整合图（可见博客最上面的效果图）的时候把F1值给提出来，所以我在下图代码中。，不是的话运行之后就不会生成。中做与YOLOv7同样的更改。中做与YOLOv7同样的更改。得到v7、v5、v8验证后的。
YOLO 模型的评估指标——IOU、Precision、Recall、F1-score、mAP
qq_63708623的博客
01-01 2万+
YOLO是最先进的目标检测模型之一。目标检测问题相比分类问题要更加复杂，因为目标检测不仅要把类别预测正确，还要预测出这个类别具体在哪个位置。我将目标识别的评估指标总结为两部分，一部分为预测框的预测指标，另一部分为分类预测指标。
yolov5无人机目标检测训练权重结果和曲线图 pytorch-yolov5-master-drone.zip
11-28
yolov5无人机目标检测训练权重,附代码和测试视屏，代码为yolov5版本五，训练的 模型为yolov5s、m、l三个模型，目标类别名为drone,用于检测空中旋翼无人机，训练好的权重和曲线图保存载runs/train文件夹中，有需要的...
用于yolo计算mAP和PR曲线使用
10-19
使用这些脚本，开发者可以将自己的YOLO模型训练后的预测结果输入，然后通过计算mAP和绘制PR曲线来评估模型在检测任务上的效果。这有助于优化模型参数，提高检测准确性和效率，从而在实际应用中达到更好的性能。在...
本科毕设-YOLOV5+注意力机制源码及训练测试权重及结果
05-14
训练结果文件：最好权重，损失函数及预测准确率结果图及指标、F1_curve图、P_curve图、PR曲线图。 测试结果文件：在VOC数据集上的测试准确率结果图及指标、F1_curve图、P_curve图、PR曲线图。 资源仅包含本人实现的...
绘制yolov3 P-R曲线的脚本draw_pr_py3.py
12-04
能够进行绘制yolov3算法模型的P-R曲线的脚本draw_pr_py3.py，python3环境下运行。
YOLOv5口罩检测训练好的模型 yolov5-master-5.0-mask.rar
04-20
YOLOv5口罩检测训练好的模型，配置好环境后可以直接运行，几千张数据训练了150轮得到的权重文件，mAP达到了90%多，PR曲线等图保存在runs文件夹中 ，配置好YOLOv5的环境就可以直接 运行 数据集和检测结果：...
yolo画pr曲线图.zip
04-29
可以画yolo算法的pr曲线图 并计算精确率里面包括四个文件 分别对用python不同版本 python2 和python3 我自己用是好用的 有问题可以留言交流
YOLOv5入门（六）目标检测性能评价指标与结果分析
mw的博客
05-03 7163
本篇博客主要讲解训练yolov5的train.py生成的结果文件各个图片和其中指标的含义，以及在评估模型和发表论文时主要用到的参数
关于yolov5训练输出的混淆矩阵与终端输出的不一致问题
weixin_43508499的博客
03-13 9498
目录1. 问题2. 原因2.1 混淆矩阵绘制2.2 终端指标的计算 （太长不看系列） 结论：混淆矩阵的值是根据检测框和标注框根据一定的IOU计算的，终端指标的输出是找到最大的f1 score所对应的精确率p和召回率r，所以会不一致。 1. 问题 之前有同事问，怎么yolov5训练绘制的混淆矩阵，跟终端输出的对不上。（之前我也没注意这个问题） 这里以训练烟雾、火焰两个类别为例，输出的混淆矩阵如下所示： 而终端的输出截图如下所示： 对比两张图可以发现，在混淆矩阵中，fire和smoke类别的灵敏度（数值上等
yolov5 训练结果解析
m0_54111890的博客
03-08 2万+
yolov5 训练结果解析 在每次训练之后，都会在runs-train文件夹下出现一下文件，如下图： 一：weights 包含best.pt（做detect时用这个）和last.pt（最后一次训练模型） 二：confusion 1：混淆矩阵： ①：混淆矩阵是对分类问题的预测结果的总结。使用计数值汇总正确和不正确预测的数量，并按每个类进行细分，这是混淆矩阵的关键所在。混淆矩阵显示了分类模型的在进行预测时会对哪一部分产生混淆。它不仅可以让我们了解分类模型所犯的错误，更重要的是可以了解哪些错.
yolov8模型训练结果分析以及如何评估yolov8模型训练的效果
热门推荐
githubcurry
06-05 6万+
混淆矩阵是对分类问题预测结果的总结。使用计数值汇总正确和不正确预测的数量，并按每个类进行细分，显示了分类模型进行预测时会对哪一部分产生混淆。通过这个矩阵可以方便地看出机器是否将两个不同的类混淆了（把一个类错认成了另一个）。混淆矩阵不仅可以让我们直观的了解分类模型所犯的错误，更重要的是可以了解哪些错误类型正在发生，正是这种对结果的分解克服了仅使用分类准确率带来的局限性（总体到细分）。
yolov5 评价指标
weixin_75205835的博客
11-25 5510
相信刚上手yolov5的小伙伴，对train.py和val.py 中的评价指标很疑惑吧。今天为大家讲解一下，争取用朴素的语言讲明白。
yolov7混淆矩阵
weixin_44533869的博客
01-14 725
【代码】yolov7混淆矩阵。
yoloV5（二）目标检测中常见指标
qq_42368048的博客
02-03 1万+
目标检测中常见指标 、混淆矩阵、PR曲线、MAp
YOLOv5训练后PR曲线不平滑原因
05-24
1. 数据集不平衡：如果数据集中的正样本和负样本数量不平衡，那么PR曲线可能会出现不平滑的情况。这是因为PR曲线的平滑程度取决于数据集中正负样本的分布。 2. 模型复杂度不够：如果模型的复杂度不够，那么它可能...

“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
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

打赏作者

小酒馆燃着灯

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