YOLO中F1_curve计算方法

YOLO（You Only Look Once）是一种实时目标检测算法，它通过将图像划分为网格，并对每个网格区域预测固定数量的对象来进行检测。F1曲线通常用于评估模型的性能，特别是在二分类任务中，如物体是否被正确识别。

F1曲线是精度（Precision）和召回率（Recall）之间的一个图形表示，其中精度是真正例数除以所有预测为正例的总数量，召回率是真正例数除以实际存在的正例总数。计算F1_score需要以下几个步骤：

1. **精确度（Precision）**： TP / (TP + FP)，其中TP（True Positive）是正确识别出的正样本，FP（False Positive）是误报的负样本。

2. **召回率（Recall）**： TP / (TP + FN)，其中FN（False Negative）是未被正确识别的正样本。

3. **F1-score**： F1 = 2 * Precision * Recall / (Precision + Recall)。这是综合考虑了准确性和完整性的一个指标。

4. **绘制F1曲线**：在一系列阈值下调整预测概率，计算对应的所有Precision和Recall值，然后在Precision-Recall坐标系上画出点，最后连接这些点形成一条曲线。