位置: IT常识 - 正文

关于yolov5的一些说明(txt文件、训练结果分析等)(yolov5 workers)

编辑:rootadmin
关于yolov5的一些说明(txt文件、训练结果分析等) 一、yolo中txt文件的说明:

推荐整理分享关于yolov5的一些说明(txt文件、训练结果分析等)(yolov5 workers),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:yolov5 workers,yolov5作用,yolov5简介,yolov5 workers,yolov5作用,yolov5的缺点,yolov5的优点,yolov5的缺点,内容如对您有帮助,希望把文章链接给更多的朋友!

二、yolo跑视频、图片文件的格式:

三、yolov5训练结果不好的原因:

1. 欠拟合:

在训练集上表现很差,测试集上表现也很差的现象可能是欠拟合导致的,是因为泛化能力太强,误识别率较高解决办法:

       1)增加数据集的正样本数, 增加主要特征的样本数量

       2)增加训练次数

       3)减小正则化参数

2. 过拟合:

在训练集上表现很好,在测试集上表现很差(模型太复杂)解决办法:

        1)增加其他的特征的样本数, 重新训练网络.

        2)训练数据占总数据的比例过小,增加数据的训练量

3.  loss值不再变小就说明训练好了

四、yolov5训练结果(train文件)分析

关于yolov5的一些说明(txt文件、训练结果分析等)(yolov5 workers)

1.  confusion_matrix.png(混淆矩阵)

混淆矩阵能对分类问题的预测结果进行总结,显示了分类模型的在进行预测时会对哪一部分产生混淆。

2. F1_curve:

F1分数与置信度之间的关系。F1分数(F1-score)是分类问题的一个衡量指标,是精确率precision和召回率recall的调和平均数,最大为1,最小为0, 1是最好,0是最差

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

第四个图 labels 标签的长和宽

4. labels_corrrelogram.jpg 目前不知道

5. P_curve.png :

准确率precision和置信度confidence的关系图

6. 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和Recall往往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

7. R_curve.png :召回率和置信度之间的关系

8. results.png:

Box_loss:YOLO V5使用 GIOU Loss作为bounding box的损失,Box推测为GIoU损失函数均值,越小方框越准;Objectness_loss:推测为目标检测loss均值,越小目标检测越准;Classification_loss:推测为分类loss均值,越小分类越准;Precision:精度(找对的正类/所有找到的正类);Recall:真实为positive的准确率,即正样本有多少被找出来了(召回了多少).Recall从真实结果角度出发,描述了测试集中的真实正例有多少被二分类器挑选了出来,即真实的正例有多少被该二分类器召回。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;mAP@.5:.95(mAP@[.5:.95]): 表示在不同IoU阈值(从0.5到0.95,步长0.05)(0.5、0.55、0.6、0.65、0.7、0.75、0.8、0.85、0.9、0.95)上的平均mAP。mAP@.5:表示阈值大于0.5的平均mAP。然后观察mAP@0.5 & mAP@0.5:0.95 评价训练结果。mAP是用Precision和Recall作为两轴作图后围成的面积,m表示平均,@后面的数表示判定iou为正负样本的阈值,@0.5:0.95表示阈值取0.5:0.05:0.95后取均值

注:以上资料、图片来自于YOLOV5官网,CSDN优秀作者以及自己训练的数据集,侵权删除。

  本人正在学习事件相机检测等内容(小白),希望能与学习事件相机的众多大佬一起学习,共同交流!

本文链接地址:https://www.jiuchutong.com/zhishi/289013.html 转载请保留说明!

上一篇:冰上的卷羽鹈鹕,希腊凯尔基尼湖 (© Guy Edwardes/Minden Pictures)

下一篇:vue3报错:runtime-core.esm-bundler.js:38 [Vue warn]: Invalid prop: type check failed for prop “modelVal(vue错误提示)

  • 小规模缴纳企业所得税会计分录
  • 缴纳所得税的账务处理
  • 不含税的金额
  • 计提本月增值税会计科目
  • 税务师考试税法一章节
  • 一般纳税人厂房出租怎么开票
  • 固定资产改造超过原值多少需要转固
  • 外地发票是什么意思
  • 银行结汇汇兑损益的会计分录怎么写?
  • 公司和员工之间
  • 取得转账支票后该如何处理
  • 预提费用入账依据
  • 职工福利费发票不小心抵扣了汇算清缴
  • 跨年租金收入会计分录
  • 税务行政强制行为遵循的原则
  • 出口专用发票可抵扣吗
  • 电脑进入bios关机
  • 如何维护电脑系统安全?
  • 货物质量赔偿需要改变收入吗合法吗
  • 总公司以固定资产出资入股,固定资产是不是新公司的
  • 多缴纳税款
  • 聘用退休人员的法律风险
  • 不动产抵债的销售额
  • 股权激励的账务如何处理
  • 招待费增值税能抵扣吗
  • vite vuex
  • css 单行显示
  • php中get_magic_quotes_gpc()函数说明
  • threejs怎么用
  • php图片代码
  • stat命令的作用
  • python编程从入门到精通第三版
  • vue网上商城项目
  • 卖家运费险是不是退货免费
  • 增值税免税收入账务处理
  • 预收货款尚未发货
  • 小规模纳税人跨区域预缴增值税
  • 收到抵扣发票怎么做分录
  • 企业所得税的会计处理怎么做
  • 公司成立开的户叫什么
  • 简述银行存款对应的业务
  • sql server游标
  • 没有收入如何做账
  • 个人所得税率怎么退
  • 银行贷款是应付账款吗
  • 注册公司时企业类型为什么没有自然人独资
  • 公司还没有注销但是银行账户已经去注销了
  • 原始凭证收集
  • 未分配利润太多的危害
  • 公司注销应付账款要为零吗
  • 月末结转销售会计分录
  • 长期借款利息是财务费用吗
  • 产权交易所交易流程
  • 预付和挂账如何区分
  • 现金存入银行是什么凭证
  • 会计证异地可以考吗
  • 停车费怎么入账会计分录
  • 存货期末报表列示
  • 职工福利费的好处
  • mysql数据源
  • 史上最简单的不读书法成甲
  • 如何快速卸载游戏
  • win10系统免费升级
  • window8设置在哪里
  • win7更新补丁80072efe
  • cocoscreator动画
  • bootstrap怎么引用
  • js常用的设计模式
  • gdi双缓冲绘制
  • npm安装插件失败
  • node.js javascript
  • shell字符串截取加替换
  • javascript面向对象编程指南第三版
  • jquery事件解绑
  • 河北农信登录密码错误
  • 陕西省医保缴费截止日期2024
  • ca锁使用
  • 浙江国地税联合电子税务局哪里看收到的发票
  • 大专学费减免多少
  • 深圳机打发票查询
  • 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