yolov5 召回率提升

根据引用中的实验数据对比，使用YOLOv5s VariFocal Loss相比于原始的YOLOv5s框架，召回率有所提升。具体数据如下：原YOLOv5s框架的召回率为0.927，而使用YOLOv5s VariFocal Loss后的召回率为0.95。这意味着使用VariFocal Loss能够检测更多的目标，减少模型漏检的问题。此外，使用VariFocal Loss的模型在查准率（P）和平均检测精度（mAP）方面也有所提升，而且FLOPs和原YOLOv5模型保持一致。因此，使用YOLOv5s VariFocal Loss能够在目标检测任务中提升召回率。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* *3* [YOLOv5改进实验：结合VariFocal Loss损失函数，减少小目标漏检问题，高效提升模型检测的召回率（超详细改进...](https://blog.csdn.net/qq_32575047/article/details/130454459)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"]
[ .reference_list ]