0


Yolo训练时,输出的参数的含义

Epoch gpu_mem box obj cls total labels img_size

  • Epoch:训练过程中的迭代次数(即完成了多少个epoch)。
  • gpu_mem:GPU内存使用情况,通常是以MB或GB为单位的数字。
  • box:模型预测出的bounding box的平均损失值。
  • obj:模型预测出的objectness的平均损失值。
  • cls:模型预测出的分类的平均损失值。
  • total:所有损失值的总和,即box+obj+cls。
  • labels:每个batch中标注的物体数量的平均值。
  • img_size:输入模型的图像的大小,通常是以像素为单位的宽度和高度。

这些参数的意义可以帮助训练者监控模型的训练过程,以便在必要时进行调整和优化。

Class Images Labels P R [email protected] [email protected]:.95

  • Class:检测的目标类别。
  • Images:测试集中包含该类别的图像数量。
  • Labels:测试集中该类别物体的真实标注数量。
  • P:该类别的预测精确度(precision),即正确预测的物体数量占所有预测的物体数量的比例。
  • R:该类别的召回率(recall),即正确预测的物体数量占所有真实物体数量的比例。
  • [email protected]:平均精度均值(mean average precision)的值,即在IoU阈值为0.5时的平均精度。
  • [email protected]:.95:在IoU阈值从0.5到0.95的范围内,所有阈值的平均精度的均值。

这些指标的意义是,P和R可以帮助评估模型的分类和检测能力,mAP则综合了模型在不同IoU阈值下的表现,是评估模型性能的主要指标之一。


本文转载自: https://blog.csdn.net/weixin_46056196/article/details/129937370
版权归原作者 Walk Off the Earth 所有, 如有侵权,请联系我们删除。

“Yolo训练时,输出的参数的含义”的评论:

还没有评论