PyTorch-YOLOv3精度度量
PyTorch-YOLOv3精度度量
提问于 2019-12-10 23:27:22
我正在使用现有的PyTorch-YOLOv3 3体系结构，并通过google对其进行培训，以识别自定义数据集作为研究手稿。基本上，我想使用对象检测算法来计算图像中两个类的对象数。
有人告诉我，为了我的目的，我应该为模型生成验证/训练曲线，并创建一个混淆矩阵来评估训练模型的分类器元素。我有一个想法，修改培训脚本，以便在培训期间将培训指标输出到csv文件中，但我不熟悉如何创建一个混淆矩阵来评估经过培训的模型。
此外，在计算机视觉领域，应该为手稿生成什么样的度量/数字？
回答 1
Stack Overflow用户
回答已采纳
发布于 2019-12-11 12:13:00
关于你问题的第一部分，因为你似乎只关心两个类，一个简单的混淆矩阵看起来就像
class_1 class_2
class_1 a_11 a_12
class_2 a_21 a_22其中a_ij是i类中被归类为类j的对象的数量。理想情况下，您希望这个矩阵是对角的。
关于第二部分，这取决于你想要展示什么。对象检测的常用度量是IOU和mAP。假设你有一个地面真相包围盒G和一个检测D，你可以把它的IOU (即交除以并)定义为intersection(D,G)/union(D,G)，在交集和集合上合并通常的操作。mAP (平均平均精度)的定义在不同的数据集和作者之间有很大的差异，但通常非常接近于“查全率曲线下的面积”。我请您看看Pascal或Coco数据集文档，以便对这一主题进行彻底的讨论。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/59276819
复制相关文章
相似问题
腾讯云开发者
