AI 助理
备案控制台
开发者社区 云计算 文章 正文

mAP@0.5与mAP@0.50.95的含义，YOLO

2023-08-03 1952
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介： mAP@0.5与mAP@0.50.95的含义，YOLO

mAP@0.5：mean Average Precision（IoU=0.5）

即将IoU设为0.5时，计算每一类的所有图片的AP，然后所有类别求平均，即mAP


如图所示，AP50，AP60，AP70……等等指的是取detector的IoU阈值大于0.5，大于0.6，大于0.7……等等。数值越高，即阈值越大，精度越低。

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。

embelfe_segge
目录
相关文章
clichong
|
机器学习/深度学习 开发框架 .NET
YOLOv5的Tricks | 【Trick6】学习率调整策略（One Cycle Policy、余弦退火等）
YOLOv5的Tricks | 【Trick6】学习率调整策略（One Cycle Policy、余弦退火等）
clichong
4372 0
YOLOv5的Tricks | 【Trick6】学习率调整策略（One Cycle Policy、余弦退火等）
其名美曰
|
10月前
|
机器学习/深度学习 计算机视觉
YOLOv11改进策略【注意力机制篇】| 添加SE、CBAM、ECA、CA、Swin Transformer等注意力和多头注意力机制
YOLOv11改进策略【注意力机制篇】| 添加SE、CBAM、ECA、CA、Swin Transformer等注意力和多头注意力机制
其名美曰
2911 2
YOLOv11改进策略【注意力机制篇】| 添加SE、CBAM、ECA、CA、Swin Transformer等注意力和多头注意力机制
其名美曰
|
10月前
|
机器学习/深度学习 计算机视觉
YOLOv11改进策略【Head】| AFPN渐进式自适应特征金字塔，增加针对小目标的检测头（附模块详解和完整配置步骤）
YOLOv11改进策略【Head】| AFPN渐进式自适应特征金字塔，增加针对小目标的检测头（附模块详解和完整配置步骤）
其名美曰
1357 12
YOLOv11改进策略【Head】| AFPN渐进式自适应特征金字塔，增加针对小目标的检测头（附模块详解和完整配置步骤）
zzy的aly
|
机器学习/深度学习 编解码 监控
目标检测实战(六): 使用YOLOv8完成对图像的目标检测任务（从数据准备到训练测试部署的完整流程）
这篇文章详细介绍了如何使用YOLOv8进行目标检测任务，包括环境搭建、数据准备、模型训练、验证测试以及模型转换等完整流程。
zzy的aly
22081 59
目标检测实战(六): 使用YOLOv8完成对图像的目标检测任务（从数据准备到训练测试部署的完整流程）
程序员行者孙
|
机器学习/深度学习 算法 Go
YOLOv5网络结构解析
YOLOv5网络结构解析
程序员行者孙
6546 1
梦笔生花伟
|
存储 监控 算法
基于YOLOv5和树莓派4B平台
目标检测在计算机视觉领域中具有重要意义。YOLOv5（You Only Look One-level）是目标检测算法中的一种代表性方法，以其高效性和准确性备受关注，并且在各种目标检测任务中都表现出卓越的性能。本文将详细介绍如何在性能更强的计算机上训练YOLOv5模型，并将训练好的模型部署到树莓派4B上，通过树莓派的摄像头进行实时动物目标检测。 一、在电脑上训练YOLOv5模型 1. 安装Anaconda 在性能更强的计算机上安装Anaconda，方便管理Python环境和依赖。 从Anaconda官网（https://www.anaconda.com/products/distribu
梦笔生花伟
677 6
AI小怪兽
|
机器学习/深度学习 人工智能 文字识别
ultralytics YOLO11 全新发布！（原理介绍+代码详见+结构框图）
本文详细介绍YOLO11，包括其全新特性、代码实现及结构框图，并提供如何使用NEU-DET数据集进行训练的指南。YOLO11在前代基础上引入了新功能和改进，如C3k2、C2PSA模块和更轻量级的分类检测头，显著提升了模型的性能和灵活性。文中还对比了YOLO11与YOLOv8的区别，并展示了训练过程和结果的可视化
AI小怪兽
20510 0
nanshaws
|
PyTorch 算法框架/工具 Python
yolov5的完整部署（适合新人和懒人，一键安装）
这篇文章为新人和希望简化部署过程的用户介绍了如何一键安装和配置YOLOv5环境，包括安装Anaconda、设置镜像源、安装PyCharm、创建虚拟环境、下载YOLOv5项目、安装依赖以及在PyCharm中配置和运行项目。
nanshaws
7555 0
yolov5的完整部署（适合新人和懒人，一键安装）
不吃核桃
|
JSON 测试技术 数据格式
单元测试问题之使用JCode5插件生成测试类如何解决
单元测试问题之使用JCode5插件生成测试类如何解决
不吃核桃
478 3
长发和小虎牙
|
机器学习/深度学习 算法 计算机视觉
YOLOv5 | 卷积模块 | 即插即用的可变核卷积AKConv【附代码+小白可上手】
本文介绍了YOLOv5模型的一个改进，即使用AKConv替代标准卷积以提高目标检测效果。AKConv允许卷积核有任意数量的参数和采样形状，增强了对不同目标形状和大小的适应性。教程详细讲解了AKConv的原理，提供了代码实现步骤，包括如何将AKConv添加到YOLOv5中，并给出了相关代码片段。此外，还分享了完整的YOLOv5 AKConv实现代码和GFLOPs计算，鼓励读者动手实践。通过这一改进，网络在保持性能的同时增加了灵活性。
长发和小虎牙
924 3