博客主要介绍了YOLOv5在毕设中的应用，强调了训练图片尺寸imgsize需为32的倍数。文章详细解释了mAP（平均精度）、IoU（交并比）、精确率（P）、召回率（R）的概念，以及它们如何影响目标检测的性能。此外，还讨论了不同IoU阈值下的mAP@.5:.95计算，并解析了训练输出results.txt中各项指标的含义。
yolov5毕设——自用：一些问题解决
网络中每个自定义参数的意义参考这个
- imgsize：训练图片尺寸。第一个参数为训练集图片的输入尺寸，第二个参数为测试集图片的输入尺寸，需要设置为 32 的倍数（网络进行过程中会进行 32 倍下采样）。
ps：这里我搞错了，我以为是图片的长和宽
查阅资料得到：这里的img-size必须是32的倍数，和数据集里面的图片大小关系不大。参考链接 - 输出结果：results.txt中各列数据意义
训练次数，GPU消耗，边界框损失，目标检测损失，分类损失，total，targets，图片大小，P，R，mAP@.5, mAP@.5:.95, 验证集val Box, 验证集val obj, 验证集val cls
P 准确率 R 召回率
P：分类器认为是正类并且确实是正类的部分占所有分类器认为是正类的比例
R：分类器认为是正类占所有正类的比例
最低0.47元/天 解锁文章
扫一扫
917
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
