yolo如何提高recall

为了提高YOLO的召回率，可以采取以下策略：
1. 调整模型参数，例如Epoch/batch_size的调整，防止出现过拟合，当然也不能出现欠拟合。同时，要保证数据集具有特征的多样性，同种类别也要有足够的数量，主要的重点类别之间数量要均衡。这样训练出的模型具更广泛的检测识别能力，且可以减少误识类别的现象，对召回率的提升均有帮助。
2. 开启YOLOv4中的Mosaic数据增强，继续自主的数据增强。在必要情况下增多anchors锚框的种类(只在存在一些刁钻比例垃圾时才使用)。
3. 通过调整判定与真实框匹配的IOU值和置信度阈值，再进一步提高recall。在上限足够的情况下，可以通过调整置信度阈值来使得recall>=95%。

相关问题

yolo训练结果中recall-confidence curve 显示all classes 0.09 @0.000是什么意思

在YOLO训练结果中，recall-confidence curve是一种用于衡量模型召回率的指标。它显示了不同confidence（置信度）阈值下的预测召回率（recall）。

在这个特定的结果中，"all classes 0.09 @0.000"表示当confidence阈值设置为0.000时，模型对所有类别的召回率为0.09，也就是9%。这意味着在这个阈值下，模型可能错过了一些目标物体的检测，导致召回率较低。较低的召回率意味着模型可能会错过一些真实目标物体，无法完全捕捉到数据集中的所有实例。

YOLO系列查看训练总召回率（Recall）

在YOLO系列算法中，训练总召回率（Recall）是一个很重要的评价指标，它可以用来评估算法的整体性能。下面分别介绍YOLOv3和YOLOv4如何查看训练总召回率。

YOLOv3

在YOLOv3中，可以通过训练日志文件来查看训练总召回率。训练日志文件中包含了每个类别的召回率、平均召回率以及整体召回率等信息。具体来说，可以在训练日志文件中搜索 "mean_average_precision" 或 "mAP"，找到对应的值即可。例如：

total_bbox = 1000, rewritten_bbox = 0.000000 % 0.000000 % 
class_id = 0, name = person, ap = 90.00%           (TP = 900, FP = 100) 
class_id = 1, name = car, ap = 80.00%               (TP = 800, FP = 200)
...
class_id = 19, name = dog, ap = 70.00%              (TP = 700, FP = 300)
for conf_thresh = 0.25, precision = 0.80, recall = 0.85, F1-score = 0.83
for conf_thresh = 0.25, TP = 10000, FP = 2500, FN = 1500, average IoU = 65.00 % 

上述日志信息中，"ap" 表示每个类别的召回率（Average Precision），"mAP" 表示平均召回率（Mean Average Precision），"precision" 表示精度，"recall" 表示召回率，"F1-score" 表示精确率和召回率的调和平均数。通过查看训练日志文件中的这些信息，可以得到训练总召回率。

YOLOv4

在YOLOv4中，可以通过训练日志文件或测试代码来查看训练总召回率。训练日志文件中包含了每个类别的召回率、平均召回率以及整体召回率等信息。具体来说，可以在训练日志文件中搜索 "mAP" 或 "recall"，找到对应的值即可。例如：

class_id = 0, name = person, ap = 90.00%           (TP = 900, FP = 100) 
class_id = 1, name = car, ap = 80.00%               (TP = 800, FP = 200)
...
class_id = 19, name = dog, ap = 70.00%              (TP = 700, FP = 300)
 for conf_thresh = 0.25, precision = 0.80, recall = 0.85, F1-score = 0.83
 for conf_thresh = 0.25, TP = 10000, FP = 2500, FN = 1500, average IoU = 65.00 % 
mAP@0.50 = 0.85, 0.92, 0.83   (moving avg over 10 iterations)
mAP@0.75 = 0.60, 0.70, 0.50   (moving avg over 10 iterations)

上述日志信息中，"ap" 表示每个类别的召回率（Average Precision），"mAP" 表示平均召回率（Mean Average Precision），"precision" 表示精度，"recall" 表示召回率，"F1-score" 表示精确率和召回率的调和平均数。通过查看训练日志文件中的这些信息，可以得到训练总召回率。