行业知识
【机器学习】全网最全模型评价指标(性能指标、YOLOv5训练结果分析、轻量化指标、混淆矩阵详解)【基础收藏】
2026-11-17 13:59:48
来源:互联网转载
Welcome to Aedream同学 's blog!
文章目录
- 模型性能指标
- 常见指标
- ROC/AUC
- ROC & PRC
- 多分类问题——混淆矩阵
- 计算结果分析——以YOLO v5为例
- 1. confusion_matrix.png(混淆矩阵)
- 2. F1_curve:
- 3. labels.jpg
- 4. labels_corrrelogram.jpg
- 5. P_curve.png
- 6. PR_curve.png
- 7. R_curve.png
- 8. results.png
- 8:results.txt
- 轻量化主要关注
- 1、Parameters参数量
- 2、FLOPs 浮点运算次数
- 3、Latency 延迟
- 4、FPS 每秒传输帧数
- 指标间的关系
- 网络的运算速度与什么有关?
- 参考���献
模型性能指标
在目标检测任务中,我们常用的评价指标一般有两种,一种是使用Pascal VOC的评价指标,一种是更加严格的COCO评价指标,一般后者会更常用点。
如何判断一个检测结果是否正确。目前最常用的方式就是去计算检测框与真实框的IOU,然后根据IOU去判别两个框是否匹配。
常见指标
TP(True Positive): IoU>0.5的检测框数量(同一Ground Truth只计算一次)
FP(False Positive): IoU
下一篇:二进制转换源码揭秘宝典!