【YOLO系列学习笔记】--第一章,基本参数认识

简介: YOLO系列是目标检测经典算法,第一章基本参数,由于map值,recall值,precision详解

第一章

1.深度学习目标检测方法:

1.one—stage(单阶段)例如:YOLO
区别:速度非常快,适合应用于实时检测,效果不会太好
2.two-stage(两阶段)例如:faster——cnn
区别:比one-stage多了一个预选阶段
总结;速度和精度不可兼得

2.指标分析

1.map值:综合的检测效果
2.IOU:(交集和并集的比值)
预测值与真实值的交集/预测值与真实值的并集(越小越好)
1674217084517.png

3.recall:()召回率
1674217314693.png
TP:正类判断为正类,预测对了
FP:负类判断为正类,预测错了
FN:正类判断为负类,预测错了
TN:负类判断为负类,预测对了
P正类,N负类
precision:检测到对的/总的检测到
recall(查全率):检测到的/该检测到的
map:综合考虑精度和召回率的值

目录
相关文章
|
8月前
|
机器学习/深度学习 计算机视觉 知识图谱
YoloV8最新改进手册——高阶篇
本专栏是讲解如何改进Yolov8的专栏。改进方法采用了最新的论文提到的方法。改进的方法包括:增加注意力机制、更换卷积、更换block、更换backbone、更换head、更换优化器等;每篇文章提供了一种到N种改进方法。 评测用的数据集是我自己标注的数据集,里面包含32种飞机。每种改进方法我都做了测评,并与官方的模型做对比。 代码和PDF版本的文章,我在验证无误后会上传到百度网盘中,方便大家下载使用。 这个专栏,求质不求量,争取尽心尽力打造精品专栏!!! 专栏链接: ''' https://blog.csdn.net/m0_47867638/category_12295903
1126 0
|
10月前
|
机器学习/深度学习 并行计算 计算机视觉
YOLOv5入门实践(5)——从零开始,手把手教你训练自己的目标检测模型(包含pyqt5界面)
YOLOv5入门实践(5)——从零开始,手把手教你训练自己的目标检测模型(包含pyqt5界面)
2687 1
YOLOv5入门实践(5)——从零开始,手把手教你训练自己的目标检测模型(包含pyqt5界面)
|
10月前
|
机器学习/深度学习 人工智能 计算机视觉
使用 LabVIEW调用LeNet快速搭建手写数字识别系统(内含源码)
使用 LabVIEW调用LeNet快速搭建手写数字识别系统(内含源码)
114 0
使用 LabVIEW调用LeNet快速搭建手写数字识别系统(内含源码)
|
10月前
|
XML 计算机视觉 数据格式
YOLOv5入门实践(2)——手把手教你利用labelimg标注数据集
YOLOv5入门实践(2)——手把手教你利用labelimg标注数据集
3732 0
YOLOv5入门实践(2)——手把手教你利用labelimg标注数据集
|
11月前
|
机器学习/深度学习 人工智能 算法
【MATLAB第1期】LSTM/GRU网络回归/分类预测改进与优化合集(含录屏操作,持续更新)
【MATLAB第1期】LSTM/GRU网络回归/分类预测改进与优化合集(含录屏操作,持续更新)
【MATLAB第1期】LSTM/GRU网络回归/分类预测改进与优化合集(含录屏操作,持续更新)
|
机器学习/深度学习 算法 PyTorch
手把手教你使用LabVIEW实现Mask R-CNN图像实例分割(含源码)
前面给大家介绍了使用LabVIEW工具包实现图像分类,目标检测,今天我们来看一下如何使用LabVIEW实现Mask R-CNN图像实例分割。
178 0
|
计算机视觉
又改ResNet | 重新思考ResNet:采用高阶方案的改进堆叠策略(附论文下载)(二)
又改ResNet | 重新思考ResNet:采用高阶方案的改进堆叠策略(附论文下载)(二)
80 0
|
机器学习/深度学习 算法框架/工具 计算机视觉
又改ResNet | 重新思考ResNet:采用高阶方案的改进堆叠策略(附论文下载)(一)
又改ResNet | 重新思考ResNet:采用高阶方案的改进堆叠策略(附论文下载)(一)
165 0
|
数据采集 机器学习/深度学习 JSON
【Pytorch神经网络实战案例】32 使用Transformers库的管道方式实现:加载指定模型+文本分类+掩码语言建模+摘要生成+特征提取+阅读理解+实体词识别
在Transformers库中pipeline类的源码文件pipelines.py里,可以找到管道方式自动下载的预编译模型地址。可以根据这些地址,使用第三方下载工具将其下载到本地。
551 0
|
机器学习/深度学习 数据采集 PyTorch
我用 PyTorch 复现了 LeNet-5 神经网络(自定义数据集篇)!
详细介绍了卷积神经网络 LeNet-5 的理论部分和使用 PyTorch 复现 LeNet-5 网络来解决 MNIST 数据集和 CIFAR10 数据集。然而大多数实际应用中,我们需要自己构建数据集,进行识别。因此,本文将讲解一下如何使用 LeNet-5 训练自己的数据。
215 0