yolo如何提高recall
时间: 2024-03-02 18:45:10 浏览: 48
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 metrics
YOLO (You Only Look Once) 是一种流行的实时目标检测算法,它的评估指标主要关注精度、召回率和速度。以下是YOLO 检测模型中常用的几个关键性能指标:
1. **精度(Precision)**:衡量模型预测为正类的物体中,实际是正类的比例。计算公式通常是 TP / (TP + FP),其中 TP(True Positive)是真正例,FP(False Positive)是假正例。
2. **召回率(Recall)**:表示实际为正类的物体被模型正确识别的比例。计算公式是 TP / (TP + FN),TP 为真正例,FN(False Negative)是漏检。
3. **F1 Score**:综合考虑精度和召回率,F1 Score 是两者调和平均值,是评价二分类系统性能的一种常见度量,特别是在类别不平衡的情况下。F1 = 2 * Precision * Recall / (Precision + Recall)。
4. **mAP (mean Average Precision)**:平均精度均值,是多个不同阈值下的 Precision 和 Recall 的曲线下的面积(AUC)的平均值。mAP 主要用于评估目标检测模型的整体性能,尤其是在 COCO (Common Objects in Context) 等常用数据集上。
5. **速度(Speed)**:指模型处理图像的速度,通常用 FPS (Frames Per Second) 表示每秒能处理多少张图片。在实时应用中,速度是一个非常关键的因素。
6. **IoU (Intersection over Union)**:交并比,是两个预测框和真实框的重叠部分面积与并集面积的比值,用来衡量预测的精确度。
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。
相关推荐
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)