yolov5 的 mAP 和 召回率很低,但是精准率 AP还可以

这篇具有很好参考价值的文章主要介绍了yolov5 的 mAP 和 召回率很低,但是精准率 AP还可以。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

可能的原因:文章来源地址https://www.toymoban.com/news/detail-642164.html

  1. 标注问题,
    检查图片没有txt,导致有正样本的图片,被认为是背景,召回率降低。
  2. 是否是中文路径, opencv这个cv2.imread不能读取中文图像。
    yolov5 召回率,yolo,YOLO,opencv,计算机视觉改成这样就行。
    下面 im = np.array(im)[::-1] 是错误的,本来目的是将RGB转为BGR,但是实际上通道是 HWC,转的是H,因此会在高上反转,标签不对应,导致错误。
    yolov5 召回率,yolo,YOLO,opencv,计算机视觉
  3. 查看标签, 一个是查看label.txt中的xywh,没问题后。再查看runs/train/VOC_640_/train_batch0.jpg 这样的图片,如果图片不正常,就去掉上图中的使用numpy读取图像,直接读取原图就好。
  4. yolov5 召回率,yolo,YOLO,opencv,计算机视觉

到了这里,关于yolov5 的 mAP 和 召回率很低,但是精准率 AP还可以的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • YOLOv5获得大中小目标的AP和AR指标(自制数据集)

    本文简要介绍YOLOv5如何调用pycocotools得到 大中小目标的AP和AR指标 ,评价自制数据集。 代码版本-----YOLOv5_6.0版本。 数据集----Seaships7000数据集,共包含6类7000张船舶图片,其中测试集1400张。 模型-----自制模型。 话不多说,运行示例: 主要参考了以下三个案例,并根据Seaships数

    2024年02月01日
    浏览(136)
  • deepstream检测帧率很高,但是视频有延迟和拖延情况(问题解决)

    技术路线: deepstream技术路线,NVIDIA提供的pipeline;在自动驾驶领域对于相机实时性要求极高,以及需要多相机对车辆进行360度的监测。 问题大致的描述:在使用deepstream的时候,RTSP网络相机以及USB相机,有延迟和拖延;在使用rtsp网络相机的时候,发现一路网络相机帧率到2

    2023年04月08日
    浏览(25)
  • 【测试集mAP】yolov5中计算测试集mAP,修改类别序号为类别名称

    提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档 在YOLOv5中需要计算测试集的mAP及相关数据,以下代码亲测可用。 文章代码链接: 链接:https://pan.baidu.com/s/1lbbRwC26UieRjl7JyqeZJQ 提取码:h953 参数中,设置save_txt和save_conf为True。运行完成后,会在detect/run

    2024年02月06日
    浏览(31)
  • coco和yolov5 map计算结果不一致的问题

    在测试检测benchmark时发现使用coco和yolov5计算出的map结果不一致, yolov5的指标要略高一点, 好奇他们都是如何计算的, 通过阅读源码, 发现了一些端倪, 如有纰漏, 还望指出. 先说 ap(average precision) , 翻译过来为平均精度, 顾名思义, 就是精度的平均值. 通常来讲, 一个算法任务在数据

    2024年02月09日
    浏览(32)
  • YOLOv5s训练结果result.txt绘制loss/mAP等曲线对比图

    引用代码 另外奉上各种线性颜色:参考 大概是够用了!!!

    2024年02月13日
    浏览(45)
  • 准确率,精准率,召回率,真正率,假正率,ROC/AUC

      最近在看到这些词得时候老是混淆,看了之后还很容易遗忘,于是查了些资料把他们记录下来。 我们在设计深度学习网络模型的时候经常要对其进行评估,评估就要用到这些东西,在接介绍这个率,那个率之前,我先来介绍下什么是混淆矩阵,如下表所示: 混淆矩阵:

    2024年02月06日
    浏览(52)
  • YOLOV5训练时P、R、mAP等值均为0的问题

    当YOLOv5的训练P、R、mAP等指标为0时,通常有以下一些原因: 数据集质量不佳:检查数据集中是否存在较大的类别不平衡或者太多的噪声。可能需要重新清理数据集以确保标签正确且具有可解释性。 学习率过高或过低:首先尝试将学习率降低到一个更合适的水平,并考虑使用

    2024年02月04日
    浏览(41)
  • 解决YOLOV5训练时P、R、mAP等值均为0的问题

    最近用YOLOV5训练自己的数据集,出现了训练失败的情况,比如box,obj,cls,labels等均为nan或0,找了很多办法,其实就是cuda与PyTorch版本的问题 我的cuda版本是11.2,PyTorch1.9,可能以前安装的有问题,重新安装官网的cuda11.3版本也是没有解决,可能重置电脑后用11.3的才能跑通,在

    2023年04月08日
    浏览(40)
  • 分类模型评估指标——准确率、精准率、召回率、F1、ROC曲线、AUC曲线

    机器学习模型需要有量化的评估指标来评估哪些模型的效果更好。 本文将用通俗易懂的方式讲解分类问题的混淆矩阵和各种评估指标的计算公式。将要给大家介绍的评估指标有:准确率、精准率、召回率、F1、ROC曲线、AUC曲线。 所有事情都需要评估好坏,尤其是量化的评估指

    2024年02月11日
    浏览(56)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包