YOLOv5训练结果分析

本文仅涉及如何判断训练的好坏，以及，并非二分类

1.weight

文件夹下有两个.pt模型文件，best为训练最好的版本，last是最后一次训练的版本，使用best进行检验

2.confusion混淆矩阵

对角线数字越大越好，最好接近1，即实际为A类，预测也为A类

3.F1_curve

置信度和F1分数的关系，中间越高越好，头尾会回到坐标轴

4.labels

只是数据集的信息统计，四个图从左到右从上到下分别为

训练集数据量，

labels，

样本的分布，颜色越深表示该处样本越多，

labels的高宽

5.P_curve

准确率和置信度的关系，从原点上升，最好后面P值都接近1

6.PR_curve.png

在图上做一条y=x的线，两者交点的x值越大越好

7.R_curve.png

召回率与置信度的关系，