查看YOLOv8的召回率（Recall）

同样很抱歉，YOLOv8并不是一个已经存在的物体检测算法版本，可能是您打错了名字。不过，我可以为您介绍如何查看YOLOv4的召回率（Recall）。

在YOLOv4中，通过计算真实正样本（物体实际存在的区域）与检测结果中的正样本（检测框覆盖真实正样本区域的检测框）的交并比（Intersection over Union，IoU）得到召回率。具体来说，召回率可以分为两种：

1. 目标检测召回率（Object Detection Recall）：表示检测到的物体占实际存在的物体总数的比例。
目标检测召回率 = TP / (TP + FN)
其中，TP表示真实正样本中被检测到的物体数量，FN表示未检测到的物体数量。

2. 平均召回率（Average Recall）：由于YOLOv4使用了多种尺度的特征图进行检测，因此需要计算每个尺度的召回率并取平均值。
平均召回率 = (AR1 + AR2 + AR3 + AR4 + AR5) / 5
其中，AR1至AR5分别表示特征金字塔网络中的五个尺度的召回率。

在YOLOv4中，可以通过训练过程中的日志文件或使用测试代码来查看召回率。具体来说，可以在训练日志中查找类似如下的信息：

class_id = 0, name = person, recall = 0.90
class_id = 1, name = car, recall = 0.85
...
class_id = 19, name = dog, recall = 0.75

这表示在训练过程中，对于类别为person的物体，检测召回率为0.90，对于类别为car的物体，检测召回率为0.85，以此类推。