位置: IT常识 - 正文

YOLOv3&YOLOv5输出结果说明(yolov5 c)

编辑:rootadmin
YOLOv3&YOLOv5输出结果说明

推荐整理分享YOLOv3&YOLOv5输出结果说明(yolov5 c),希望有所帮助,仅作参考,欢迎阅读内容。

文章相关热门搜索词:yolov3.cfg,yolov3详解,yolov1,yolov3.cfg,yolov5讲解,yolov5s,yolov5 c,yolov5s,内容如对您有帮助,希望把文章链接给更多的朋友!

本文使用的yolov3和yolov5工程文件均为github上ultralytics基于pytorch的v3和v5代码,其训练集输出结果类型基本一致,主要介绍了其输出结果,本文是一篇学习笔记

本文使用的yolov3代码github下载地址:yolov3 模型训练具体步骤可查看此篇博客: yolov3模型训练——使用yolov3训练自己的模型

本文使用的yolov5代码github下载地址:yolov5 模型训练具体步骤可查看此篇博客: yolov5模型训练———使用yolov5训练自己的数据集

本文主要包括以下内容:1. confusion_matrix.png2. F1_curve.png3. labels.jpg4. P_curve.png5. PR_curve.png6. R_curve.png7. results.png8. results.txt

yolov3模型训练输出结果如下图所示: yolov5模型训练输出结果如下图所示:

(这版的v3和v5输出结果类型看起来是一模一样,我用的同一个数据集进行的训练,所以输出的可视化结果也非常相似,v5在服务器上的结果截图没有保存,这里用了windows下的视图)

1. confusion_matrix.png

confusion_matrix.png指的是混淆矩阵(Confusion Matrix)

在机器学习领域,混淆矩阵(Confusion Matrix),又称为可能性矩阵或错误矩阵。混淆矩阵是可视化工具,特别用于监督学习,在无监督学习一般叫做匹配矩阵。在图像精度评价中,主要用于比较分类结果和实际测得值,可以把分类结果的精度显示在一个混淆矩阵里面。 混淆矩阵的每一列代表了预测类别,每一列的总数表示预测为该类别的数据的数目; 每一行代表了数据的真实归属类别,每一行的数据总数表示该类别的数据实例的数目;每一列中的数值表示真实数据被预测为该类的数目。

混淆矩阵结构如下图所示:

2. F1_curve.png

F1_Score:数学定义为 F1分数(F1-Score),又称为平衡F分数(Balanced Score),它被定义为正确率和召回率的调和平均数。在 β=1 的情况,F1-Score的取值范围为0到1,1是最好,0是最差。其计算公式如下图所示:

3. labels.jpg

第一个图 classes:每个类别的数据量

第二个图 labels:标签

第三个图 center xy

YOLOv3&YOLOv5输出结果说明(yolov5 c)

第四个图 labels 标签的长和宽

4. P_curve.png

精确率Precision和置信度confidence的关系图

5. PR_curve.png

PR曲线中的P代表的是Precision(精准率),R代表的是Recall(召回率),其代表的是精准率与召回率的关系,一般情况下,将recall设置为横坐标,precision设置为纵坐标。PR曲线下围成的面积即AP,所有类别AP平均值即map。

如果PR图的其中的一个曲线A完全包住另一个学习器的曲线B,则可断言A的性能优于B,当A和B发生交叉时,可以根据曲线下方的面积大小来进行比较。一般训练结果主要观察精度和召回率波动情况(波动不是很大则训练效果较好)。 Precision(精准率)表示分类器检测为正确正样本占所有预测为正样本的百分比,即在当前遍历的预测框中,检测到正确目标预测框所占的比例。其公式如下图所示:

Recall(召回率)表示分类器检测为正确正样本占所有正样本的百分比,即在所有的真值边界框中,检测到正确正样本边界框所占的比例。其公式如下图所示:

Precision和Recall一般是一对矛盾的性能度量指标; 提高Precision 提高二分类器预测正例门槛,使得二分类器预测的正例尽可能是真实正例; 提高Recall 降低二分类器预测正例门槛,使得二分类器尽可能将真实的正例挑选

6. R_curve.png

召回率Recall和置信度confidence之间的关系

7. results.png

(1)yolov3与yolov5的损失函数可以分为三部分:类别损失函数(Classification loss)、置信度损失函数(Confidence loss)和位置损失函数(Localization loss)

Box_loss:Box为CIoU损失函数均值,越小方框越准; Objectness_loss:Objectness为目标检测损失均值,越小目标检测越准; Classification_loss:Classification为分类损失均值,越小分类越准;

val Box_loss: 验证集bounding box损失; val Objectness_loss:验证集目标检测loss均值; val classification_loss:验证集分类loss均值;

(2) Precision:精确率随训练次数的变化曲线 Recall:召回率随训练次数的变化曲线

(3)AP值是衡量目标检测模型分类器性能优劣的重要评估指标,AP值越大则分类器性能越好,越小则分类器性能越差;AP值的大小等于P-R曲线与坐标轴围成区域的面积。 mAP表示所有标签类别AP值的平均值,mAP值越大,说明模型性能越好。

mAP@0.5:表示在IoU阈值为0.5时的mAP值变化曲线 mAP@0.5:0.95:表示在IoU阈值以0.05的步长从0.5到0.95变化时的mAP值变化曲线,即IoU阈值取0.5、0.55、0.6、0.65、0.7、0.75、0.8、0.85、0.9、0.95时的平均mAP。

8. results.txt

results.txt中最后三列是验证集结果,前面的是训练集结果,全部列分别是: 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

test_batch0_labels等图片是模型训练输出的可视化结果,不再赘述~

本文链接地址:https://www.jiuchutong.com/zhishi/287290.html 转载请保留说明!

上一篇:视频监控 智能交通 数据集(目标检测、跟踪)(视频监控智能化应用)

下一篇:从午夜穹顶看育空河,加拿大育空道森市 (© Robert Postma/Getty Images)

  • 财务软件里怎么输大于等于号
  • 小规模纳税人技术维护费可以抵扣吗
  • 公款私存个人账户怎么处理
  • 社保按基数交工资按时发怎么做账
  • 两处以上取得工资如何交社保
  • 准予抵扣的进项税额计算公式
  • 无形资产摊销是谨慎性原则吗
  • 企业授予员工股份的条件
  • 房屋所有权变更登记证书
  • 企业债务重组损失的所得税前扣除
  • 客户可以把现金存入对公户吗
  • 小规模纳税人一年不超过多少万
  • 增值税普票没有地址电话开户行信息可以吗
  • 公司与个人合伙协议
  • 代收代付水电费会计分录
  • 股票回购会计处理
  • 产品售后产生材料费会计核算
  • 进项税和销项税怎么理解
  • 小规模纳税人发生销售退回如何申报
  • linux abi
  • 初级证书多长时间可以领取?
  • php封装composer包
  • 更新出现网络异常
  • 金税三期怎么更正申报
  • 所有者权益变动表范本
  • linux中常用的文件类型有哪些如何区分
  • win7旗舰系统
  • 税收筹划的风险性
  • laravel中的session有效期
  • 生产企业出口退税申报流程操作
  • 七个超级实用的手机
  • postman操作流程
  • 法院判定支付对方诉讼费,我可以入账吗
  • 推荐 4个有趣实践作业
  • 遮天传贴吧
  • 通行发票可以抵增值税吗
  • 旅行社的增值税怎么算
  • 合伙企业个人所得税怎么算
  • 股东借款转增资本公积要验资吗
  • 我们买得起一辆新车吗?英文
  • sql server 2008r
  • 民办非企业单位是私立还是公立
  • 全年一次性奖金并入或单独哪个好
  • 2020年混凝土增值税税率是多少
  • 固定资产清理是资产类的备抵科目吗
  • 逾龄资产对企业的影响
  • 抵押贷款购买商品合法吗
  • 应收帐款的帐务处理流程
  • 进口免税产品如何开票
  • 收到美元收入如何入账
  • 营业外支出可以抵扣进项税吗
  • 残保金是公司交还是员工交
  • 进项票超期未认证怎么办
  • 开票金额含税金的计算方法
  • 存货怎样进行账务处理
  • 方正电脑升级
  • win7输入法图标不见了怎么恢复正常
  • window 脚本
  • centos which
  • optimize error by column count
  • centos6 grub
  • win10改服务器
  • win7更改文件名的方法
  • win7系统无法打开任务管理器
  • win8读不出u盘
  • peafsearch是什么程序
  • windows8如何使用
  • activex控件在哪设置
  • ftp自动上传文件怎么关闭
  • linux如何创建守护进程
  • 如何判断sma
  • unity3d,C#使用sqlite作为数据库解决方案思路
  • js实现商品分类
  • node.js的express
  • numpy体会
  • ecmascript新特性
  • acrag
  • js写日期
  • 2021年水利基金的税率是多少
  • 领了不动产权证房子可以卖吗
  • 免责声明:网站部分图片文字素材来源于网络,如有侵权,请及时告知,我们会第一时间删除,谢谢! 邮箱:opceo@qq.com

    鄂ICP备2023003026号

    网站地图: 企业信息 工商信息 财税知识 网络常识 编程技术

    友情链接: 武汉网站建设