小工具知识网

当前位置: 首页 > 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】

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

上一篇:CDDM下载指南,轻松掌握简单易懂的下载教程

下一篇:二进制转换源码揭秘宝典!