YoloV5

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