yolo介绍

深度学习经典检测方法

one-stage(单阶段)：一个cn网络做出来，yolo系列（随便一千个点）；核心优先：速度非常快；缺点：粗糙
two-stage: Faster-rcnn Mask-rcnn（5fps）：多加了区域建议网络rpn（先预选再选好的点），稍微麻烦，但效果相对直接选更好

指标分析

map：综合平衡检测效果；单看精度(检测得是否好)和recall(需要标注的物体是否检测到了)不行吗？
iou：inertsection of union 真实值和预测值的交集/并集

TP: True positive
FP: False psitive: 错误的判断
FN: false negative: 没有找到的目标的个数
TN：true negative: 目标外的检测正确的数量\

举例

已知条件：班级总数:100；男80；女20;

目标：找出所有女生；

结果：找出50人；20女；30男；

tp = 20；fp = 30; fn = 0; tn = 50;

Precision = TP/(TP+FP)
Recall（查全率） = TP/(TP+FN)
置信度：当前检测的内容是对应内容的可能性是多大的，不满足的被过滤掉；tp = 1；fp = 0；
map：rp图的最大值面积

标签：FP,30,20,检测,Yolo,TP,学习,笔记,tp
来源： https://www.cnblogs.com/VenusXK/p/16676266.html