西安市做网站公司,ue5培训机构哪家强,网站空间 哪个公司好,网站推广位怎么设置yolov8实战第一天——yolov8部署并训练自己的数据集#xff08;保姆式教程#xff09;-CSDN博客
我们在上一篇文章训练了一个老鼠的yolov8检测模型#xff0c;训练结果如下图#xff0c;接下来我们就详细解析下面几张图。
一、混淆矩阵 正确挑选#xff08;正确#…yolov8实战第一天——yolov8部署并训练自己的数据集保姆式教程-CSDN博客
我们在上一篇文章训练了一个老鼠的yolov8检测模型训练结果如下图接下来我们就详细解析下面几张图。
一、混淆矩阵 正确挑选正确错误没挑选正确错误挑选误检正确没挑选漏检 结合这张图看验证集共11张图共检测出11只老鼠一张漏报被认为是背景。
这样就很好理解混淆矩阵第一张图了。
预测到的老鼠11只没有误检测背景为老鼠空白真实样本老鼠被误检测成背景1只真实样本中没有背景图空白
二、归一化混淆矩阵 三、F1置信度曲线
F1 ScoreF1 分数是一种用于评估二分类模型性能的指标它综合考虑了准确率和召回率。F1 分数曲线显示了在不同阈值下 F1 分数的变化情况。
F1 分数定义为 由图可知置信度阈值在0.8时效果最好 。
四、精度置信曲线
精确率指分类为正类别的样本中真正为正类别的比例召回率指所有正类别样本中被正确识别为正类别的比例。这两者往往需要进行权衡。
precisionTP/TPFP 挑选正确的占挑选的比例说明从所有挑选出来的样本找正确挑选的比例 由图可知置信度在0.8以上时有较好的精确度。
五、精确召唤度曲线有名的PR曲线 精准率和召回率的关系可以用一个 P-R 图来展示以查准率 P 为纵轴、查全率 R 为横轴作图就得到了查准率查全率曲线简称 P-R 曲线PR 曲线下的面积定义为 AP: 如何理解 P-R 曲线 可以从排序型模型或者分类模型理解。以逻辑回归举例逻辑回归的输出是一个 0 到 1 之间的概率数字因此如果我们想要根据这个概率判断用户好坏的话我们就必须定义一个阈值 。通常来讲逻辑回归的概率越大说明越接近 1也就可以说他是坏用户的可能性更大。比如我们定义了阈值为 0.5即概率小于 0.5 的我们都认为是好用户而大于 0.5 都认为是坏用户。因此对于阈值为 0.5 的情况下我们可以得到相应的一对查准率和查全率。
但问题是这个阈值是我们随便定义的我们并不知道这个阈值是否符合我们的要求。 因此为了找到一个最合适的阈值满足我们的要求我们就必须遍历 0 到 1 之间所有的阈值而每个阈值下都对应着一对查准率和查全率从而我们就得到了 PR 曲线。
最后如何找到最好的阈值点呢 首先需要说明的是我们对于这两个指标的要求我们希望查准率和查全率同时都非常高。 但实际上这两个指标是一对矛盾体无法做到双高。图中明显看到如果其中一个非常高另一个肯定会非常低。选取合适的阈值点要根据实际需求比如我们想要高的查全率那么我们就会牺牲一些查准率在保证查全率最高的情况下查准率也不那么低。
结论越靠近正方形的对角越好。
六、召回置信度曲线
正样本预测正确占实际正样本的比例。 精确率和召回率是用于衡量二分类模型性能的指标。精确率指分类为正类别的样本中真正为正类别的比例召回率指所有正类别样本中被正确识别为正类别的比例。这两者往往需要进行权衡。
RTP/TPFN 挑选正确占挑选正确没挑选错误漏报说明正确挑选的占实际正样本的比例 由图可知置信度大于0.8后召回率快速下降说明漏报快速增加。
七、训练过程图 我训练了100轮。yolov8的三个损失分别是 box_loss边界框损失这个损失函数用于计算预测边界框与真实边界框之间的差异。YOLOv8使用IOUIntersection over Union作为度量来衡量两个边界框之间的重叠程度。box_loss通过计算预测框与真实框之间的IOU来衡量预测框的位置准确度并将其转化为一个损失值。通过最小化box_loss模型可以学习到更准确的边界框位置。 cls_loss分类损失这个损失函数用于计算预测类别与真实类别之间的差异。YOLOv8使用交叉熵损失Cross Entropy Loss来衡量分类准确度。cls_loss通过比较预测类别分布与真实类别标签之间的差异来计算分类的损失值。通过最小化cls_loss模型可以学习到更准确的类别分类。 dfl_loss特征点损失这个损失函数是YOLOv8中引入的自定义损失函数。YOLOv8使用了特征点来预测物体的方向和角度信息dfl_loss用于计算预测特征点与真实特征点之间的差异。通过最小化dfl_loss模型可以学习到更准确的物体方向和角度信息。
由图可知
上面一排是训练的时候的三个损失和精确度召回率。
下面一排是验证 的时候的三个损失和精确度召回率。
八、val_batch0_label 和val_batch_pred 标签框和预测框由图可知漏报一个。
