目标检测性能指标(完全版)

目标检测任务的性能指标通常分为两大类,一方面要判断检测是否准确,另外一方面要评估算法是否足够高,具体如下:

  • 检测精度:PrecisionRecallAccuracyF1 ScoreIoU(Intersection over Union)P-R curve(Precision-Recall curve)AP(Average Precision)mAP(mean Average Precision)
  • 检测速度:前传耗时每秒帧数FPS(Frames Per Second)浮点运算量(FLOPS floating-point operations per second)

接下来,本文将会逐一对其解释并做

版权声明:本文为CSDN博主「@会飞的毛毛虫」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/qq_42308217/article/details/122524263

我还没有学会写个人说明!

暂无评论

发表评论

相关推荐

Anchor和RPN的浅薄理解(一)-Anchor Box和特征的对应

首先:一幅图说明一切(创作不易,欢迎订阅(*^_^*)) 明确第一个概念:anchor是特征上的每个像素映射到原图上的相应位置的点,其位置是在原始图像上。anchor box是以anchor为中心按照预先设定的比例和尺寸得到的矩形框,其位置也是

mmdetection、yolo系列等目标检测任务的学习率调度器

学习率(Learning rate,简称lr)作为目标检测这类监督学习中最重要的超参,其决定着分类函数或边界框回归函数能否收敛到局部最小值以及何时收敛到最小值。正确的学习率可使目标函数在合适的时间内收敛到局部最优。同时,学习率可以在训练的过程中