yolov5评判指标

Yolov5的评判指标主要包括平均绝对误差（Mean Absolute Error，MAE）、平均百分比误差（Mean Absolute Percentage Error，MAPE）、IOU（Intersection over Union）、mAP（mean Average Precision）和平均对数漏检率（log-average miss rate）。
其中，平均绝对误差（MAE）是衡量模型预测误差的常用指标，它表示预测值与真实值之间的平均绝对差异。然而，MAE的缺点是不能确定模型是高估还是低估，也对异常值不敏感。平均百分比误差（MAPE）则在一定程度上影响了每个误差范围。
IOU是一种衡量目标检测模型性能的指标，它表示预测框与真实框之间的交集与并集的比例。IOU越高，说明预测结果与真实结果的重叠程度越高。
mAP是指在给定一组IOU阈值下，计算所有类别的平均精度，并将其平均起来得到的检测性能指标。最后，将所有IOU阈值下的mAP进行平均，就得到了最终的性能评价指标：mmAP。
平均对数漏检率是一种对目标检测模型性能的评估指标，它表示预测框与真实框之间的漏检率的对数平均值。
因此，Yolov5的评判指标包括MAE、MAPE、IOU、mAP和平均对数漏检率。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* *3* [深度学习评估指标之目标检测——（yolov5 可视化训练结果以及result.txt解析）](https://blog.csdn.net/qq_41627642/article/details/126578865)[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_1"}}] [.reference_item style="max-width: 100%"]
[ .reference_list ]