一、confusion_matrix.png —— 混淆矩阵 二、F1_curve.png —— F1曲线 三、labels.jpg —— 标签 四、labels_correlogram.jpg —— 体现中心点横纵坐标以及框的高宽间的关系 五、P_curve.png —— 单一类准确率 六、R_curve.png —— 单一类召回率 七、PR_curve.png —— 精确率和召回率的关系图 ...
(3,3)图表明框的宽的分布情况 P_curve.png(信度阈值 - 准确率曲线图) Precision-Confidence Curve(PCC)图是一种常用的目标检测结果可视化方式,通过绘制不同置信度下的精度曲线,可以帮助评估检测器的性能和确定阈值。 在PCC图中,横坐标为置信度,纵坐标为精度(也可以是召回率)。曲线的形状和位置可以反映出检测器...
F1_curve.png # F1分数与置信度(x轴)之间的关系 labels_correlogram.jpg # 预测标签长宽和位置分布 results.png # 各种loss和metrics(p、r、mAP等,详见utils/metrics)曲线 results.csv # 对应上面png的原始result数据 hyp.yaml # 超参数记录文件 opt.yaml # 模型可选项记录文件 train_batchx.jpg # 训练集图...
P_curve.png:准确率(Precision)与置信度之间的关系图。 R_curve.png:召回率(Recall)与置信度之间的关系图。 PR_curve.png:PR曲线,用于评估模型在不同召回率下的准确率。 labels.jpg 和labels_correlogram.jpg:显示训练集标签的统计信息。 result.csv:包含每次迭代的训练集和验证集的损失、准确率、召回率、mAP等...
P_curve.png:表示准确率与置信度的关系图线,横坐标置信度。由下图可以看出置信度越高,准确率越高。 PR_curve.png :PR曲线中的P代表的是precision(精准率),R代表的是recall(召回率),其代表的是精准率与召回率的关系。 R_curve.png :召回率与置信度之间关系 results.png mAP_0.5:0.95表示从0.5到0.95以...
train# 训练模型,输出内容,模型(最好、最新)权重、混淆矩阵、F1曲线、超参数文件、P曲线、R曲线、PR曲线、结果文件(loss值、P、R)等expn expn# 第n次实验数据 confusion_matrix.png# 混淆矩阵 P_curve.png# 准确率与置信度的关系图线 R_curve.png# 精准率与置信度的关系图线 ...
其中还包括了PR Curve 曲线、Confusion matric (混淆矩阵)、results.png/txt 等训练过程数据 train.py相关参数解析: weights:权重文件路径,如果是’'则重头训练参数,如果不为空则做迁移学习,权重文件的模型需与cfg参数中的模型对应 epochs:指的就是训练过程中整个数据集将被迭代多少次 ...
2.2 confusion_matrix.png : 混淆矩阵 在YOLOv5的训练结果中,confusion_matrix.png文件是一个混淆矩阵的可视化图像,用于展示模型在不同类别上的分类效果(我这个就是一个fire的单类,所以看得不明显)。 混淆矩阵是一个n×n的矩阵,其中n为分类数目,矩阵的每一行代表一个真实类别,每一列代表一个预测类别,矩阵中的每...
your training results we recommend you provide the maximum amount of information possible if you expect a helpful response, including results plots (train losses, val losses, P, R, mAP), PR curve, confusion matrix, training mosaics, test results and dataset statistics images such as labels.png...
your training results we recommend you provide the maximum amount of information possible if you expect a helpful response, including results plots (train losses, val losses, P, R, mAP), PR curve, confusion matrix, training mosaics, test results and dataset statistics images such as labels.png...