yolov5 混淆矩阵计算精确率(percision)

刚才看到一个误人子弟的文章,发现还不少人评论收藏
yolov5的混淆矩阵

yolov5 输出的混淆矩阵是归一化之后的 计算召回率的话直接取对角线上的值就好了,但是想要计算精确率(percision))并不能直接算
在这里插入图片描述

首先我们要得到一个没有归一化的混淆矩阵:

找到 metrics.py 文件 然后找到 plot 中的normalize 改成 false 这样会输出未归一化的混淆矩阵
在这里插入图片描述

在这里插入图片描述
然后就可以计算精确率了

如第一个类别’'error’的
P of error = 25/(25+1) = 0.96 (精确率)
R of error = 25/(25+3) = 0.89 (召回率)

这个结果和终端执行val.py之后的结果也能对应的上

如果按照那个大聪明的说法

P of error = 0.89/(0.89+0.2) = 0.75 (精确率)

在这里插入图片描述

关于为什么终端和混淆矩阵输出的结果不一样这位作者说的挺清楚的

关于yolov5训练输出的混淆矩阵与终端输出的不一致问题

GitHub 加速计划 / yo / yolov5
510
37
下载
yolov5 - Ultralytics YOLOv8的前身,是一个用于目标检测、图像分割和图像分类任务的先进模型。
最近提交(Master分支:2 天前 )
e62a31b6 Signed-off-by: Glenn Jocher <glenn.jocher@ultralytics.com> 13 天前
882c35fc Signed-off-by: Glenn Jocher <glenn.jocher@ultralytics.com> 26 天前
Logo

旨在为数千万中国开发者提供一个无缝且高效的云端环境,以支持学习、使用和贡献开源项目。

更多推荐