YOLOv11全网最新创新点改进系列:一文掌握YOLOv11评估指标,学会判断实验是否达到发文水平!
所有改进代码均经过实验测试跑通!截止发稿时YOLOv10已改进40+!自己排列组合2-4种后,考虑位置不同后可排列组合上千万种!改进不重样!!专注AI学术,关注B站up主:Ai学术叫叫兽er!
购买相关资料后畅享一对一答疑!
YOLOv11全网最新创新点改进系列:一文掌握YOLOv11评估指标,学会判断实验是否达到发文水平!
YOLOv11全网最新创新点改进系列:一文掌握YOLOv11评估指标,学会判断实验是否达到发文水平!
- YOLOv11全网最新创新点改进系列:一文掌握YOLOv11评估指标,学会判断实验是否达到发文水平!
- 所有改进代码均经过实验测试跑通!截止发稿时YOLOv10已改进40+!自己排列组合2-4种后,考虑位置不同后可排列组合上千万种!改进不重样!!专注AI学术,关注B站up主:Ai学术叫叫兽er!
- **购买相关资料后畅享一对一答疑**!
- 一、工房工作的的更新情况
- 二、常用评估指标
- 2.1、正样本与负样本
- 2.2 真正(TP)、假正(FP)、真负(TN)、假负(FN)
- 三、写在最后
一、工房工作的的更新情况
YOLOv11系列改进源码包(已更新40+种单体改进方法)
所有改进代码均经过实验测试跑通!截止发稿时YOLOv11已改进40+!自己排列组合2-4种后,考虑位置不同后可排列组合上千万种!改进不重样!!专注AI学术,关注B站up主:Ai学术叫叫兽
部分改进教程视频在这:详细的改进教程以及源码,戳这!戳这!!戳这!!!B站:AI学术叫叫兽 源码在相簿的链接中,动态中也有链接,感谢支持!祝科研遥遥领先!
二、常用评估指标
2.1、正样本与负样本
样本在计算机视觉的评价中是非常重要的概念,正样本比较好理解,是要检测的物体,负样本是不要检测的目标。这里负样本会有一些问题,首先负样本定义比较主观,其次负样本和正样本的量纲不在一个级别,那么实际算法中会把检测出的待选区域中的一部分作为正样本,一部分作为负样本,例如 YOLO、Faster-RCNN 及 SSD 等。
比如检测口罩时,口罩是正样本,非口罩则是负样本,比如旁边的人脸、手机等等吧。
2.2 真正(TP)、假正(FP)、真负(TN)、假负(FN)
2.2.1 正确的正向预测(True Positive,TP)
需要满足 3 个条件:
- 置信度(Confidence Score)大于阈值,实际上预测出的所有的框都要满足这个条件;
- 预测类型与标签类型匹配;
- 预测的 Bounding Box 与 Ground Truth 的交并比 (Intersection over Union,IoU,后续会详细介绍) 大于阈值 (e.g. 0.5) ,当有多个满足条件的预选框,则选择置信度最大的作为TP,其余的作为 FP。
2.2.2 错误的正向预测(False Positive,FP)
负样本被检测为正样本的数量,也称误报,预测的 Bounding Box 与 Ground Truth 的 IoU 小于阈值的检测框(定位错误)或者预测的类型与标签类型不匹配(分类错误)
2.2.3 错误的负向预测(False Negative,FN)
正样本没被检测为负样本的数量,也称漏报,指没有检测出的 Ground Truth 区域。
2.2.4 正确的负向预测(True Negative,TN)
是负样本且被检测出的数量,无法计算,在目标检测中,通常也不关注 TN。
2.3 Precision
准确度 (Percision) 也叫查准率,是在识别出的物体中,正确的正向预测 (True Positive,TP) 所占的比率。
10个检测框,7 个正确检测出,则70%
2.4 Recall
召回率 (Recall),是正确识别出的物体占总物体数的比率。
10个物体,框出8个,则80%。
2.5 F1 score
2.6 P-R曲线
选取不同阈值时对应的精度和召回画出来
2.7 [email protected]
3.7.1 AP
识别正确的样本数占识别样本总数的百分数,对应着PR曲线下面的面积
2.7.2 mAP.5
所有类别AP值的平均数,通常将mAP作为评估模型性能的最终指标
AP\类别 (IoU=0.5)
2.8 FPS(Frames Per Second)
帧每秒,用于评估模型检测的速度,FPS越高实时性越好。
收工!
三、写在最后
学术因方向、个人实验和写作能力以及具体创新内容的不同而无法做到一通百通,所以本文作者即B站Up主:Ai学术叫叫兽
在所有B站资料中留下联系方式以便在科研之余为家人们答疑解惑,本up主获得过国奖,发表多篇SCI,擅长目标检测领域,拥有多项竞赛经历,拥有软件著作权,核心期刊等经历。因为经历过所以更懂小白的痛苦!因为经历过所以更具有指向性的指导!
祝所有科研工作者都能够在自己的领域上更上一层楼!!!
详细的改进教程以及源码,戳这!戳这!!戳这!!!B站:AI学术叫叫兽 源码在动态中有链接,感谢支持!祝科研遥遥领先!
标签:全网,一文,检测,样本,改进,YOLOv11,2.2,预测 From: https://blog.csdn.net/weixin_51692073/article/details/143221619