代码和教程都源自https://github.com/wudashuo/yolov5
这里记录一下自己学习的问题
运行代码报错
#The ‘pycocotools>=2.0‘ distribution was not found#ERROR: Failed building wheel forpycocotool
解决办法:https://blog.csdn.net/qq_41251196/article/details/114090837
需要安装visual studio,下载地址在这https://go.microsoft.com/fwlink/?LinkId=691126
(1)下载cocoapi,PythonAPI,地址:https://github.com/philferriere/cocoapi
下载下来是cocoapi-master的压缩包,然后将压缩包解压,我放在D盘的
(2)用管理员身份打开命令行(cmd)
a)切换到D盘
b)到达cocoapi-master/PythonAPI
c)运行命令 python setup.py build_ext install
d)看提示需要Cython包,下载包pip install -i https://pypi.tuna.tsinghua.edu.cn/simple Cython
YOLOV5 替换自己的训练集训练网络
-
数据yaml文件的路径设置
需要数据文件夹可读写执行,会在文件夹下生成lables.cache文件 -
运算结果获得的相关指标
对于所有类别2000张图片,检测到的目标有6700个 精确度P 0.822 召回率R0.777 平均精确度0.826,在不同IoU阈值(从0.5到0.95,步长0.05)上的平均mAP 0.485
对于人的识别2000张图片,检测到的目标有5700个 精确度P 0.878 召回率R0.822平均精确度0.844,在不同IoU阈值(从0.5到0.95,步长0.05)上的平均mAP 0.605
对于面部的识别2000张图片,检测到的目标有966个 精确度P 0.766 召回率R0.732平均精确度0.767,在不同IoU阈值(从0.5到0.95,步长0.05)上的平均mAP 0.364
YOLOV5的各项指标
- NMS (Non-Maximun Suppression):非极大值抑制,抑制不是极大值的元素,可以理解为局部最大搜索。
去除冗余的检测框,保留最好的
- mAP: mean Average Precision(平均精确度均值)
, 即各类别AP的平均值 - AP: PR曲线下面积,后文会详细讲解
- PR曲线: Precision-Recall曲线
- Precision: TP / (TP + FP)
- Recall: TP / (TP + FN)
- TP: IoU>0.5的检测框数量(同一Ground Truth只计算一次)
- FP: IoU<=0.5的检测框,或者是检测到同一个GT的多余检测框的数量
- FN: 没有检测到的GT的数量