TP为正确识别的判例个数，FN为有目标但识别为没有目标的判例个数。FP为没有目标但识别为有目标的判例个数。
1、Precision（查准率/精确率）/Recall(查全率/召回率)
Precision：模型正确识别的有目标判例占模型所有认为有目标的判例的比例（所有预测为正样本的结果中，预测正确的比率）。
Recall：模型正确识别的有目标判例占所有正确判例的比例（所有正样本中被正确预测的比率）。
2、mAP_0.5和 mAP_0.5:0.95
mAP是指平均准确率。物体检测中，每一个类别都可以根据recall和precision绘制一条曲线，AP就是该曲线下的面积，mAP是多个类别AP的平均值。
mAP_0.5指的是当损失函数IoU取0.5时的mAP，mAP_0.5:0.95指的是当IoU分别取0.5~0.95时（步进0.05）mAP的平均值。
3、loss
YOLOv5一共有三种损失函数：
- 分类损失cls_loss：计算锚框与对应的标定分类是否正确（越小分类越准）
- 定位损失box_loss：YOLO V5使用 GIOU Loss作为bounding box的损失，Box推测为GIoU损失函数均值，越小方框越准（预测框与标定框之间的误差）
- 置信度损失obj_loss：计算网络的置信度（目标检测loss均值，越小目标检测越准）
本文转载自: https://blog.csdn.net/yang_yi520/article/details/127388942
版权归原作者 给我来一杯冰可乐 所有， 如有侵权，请联系我们删除。
版权归原作者 给我来一杯冰可乐 所有， 如有侵权，请联系我们删除。