其他分享
首页 > 其他分享> > YOLOv1:You Only Look Once: Unified, Real-Time Object Detection

YOLOv1:You Only Look Once: Unified, Real-Time Object Detection

作者:互联网

一、前期知识

1.目标检测评价指标——mAP(平均准确率均值)

在这里插入图片描述
如上图所示,有7张图片,其中有15个ground-truth,用绿色边框表示,24个检测到的对象用红色框表示,每个检测到的对象由字母A,B,…,Y表示,并具有知信度confidence
在这里插入图片描述
上表为图中对应信息

TP和FP:

  1. True Positive (TP): IOU>=阈值的检测框
  2. False Positive (FP): IOU<阈值的检测框
  3. False Negative (FN): 未被检测到的GT
  4. True Negative (TN): 忽略不计

Precision=TPTP+FP=TPall  detectionsPrecision=\frac{TP}{TP+FP}=\frac{TP}{all\;detections}Precision=TP+FPTP​=alldetectionsTP​

Recall=TPTP+FN=TPall  groundtruthsRecall=\frac{TP}{TP+FN}=\frac{TP}{all\;ground-truths}Recall=TP+FNTP​=allground−truthsTP​

按照置信度从大到小将框进行排序:
在这里插入图片描述
利用confidence给BBOX排序,对每个BBOX都计算对应的precision和recall值,例如:
对BBOX R, precision = 1/1 = 1, recall = 1/15=0.0666
对BBOX Y, precision = 1/2 = 0.5, recall = 1/15=0.0666
对BBOX J, precision = 2/3 = 0.6666, recall = 2/15=0.1333
在这里插入图片描述
根据每个框的召回率和精确率画出折线图,即上图左图
通过11点插值法,即以0.1为间隔计算召回率对应的准确率,得到右图

ρinterp(γ)=maxr:rrρ(γ~)\rho_{interp}(\gamma)=\max \limits_{r:r\geqslant r}\rho(\tilde\gamma)ρinterp​(γ)=r:r⩾rmax​ρ(γ~​),其中ρinterp(γ)\rho_{interp}(\gamma)ρinterp​(γ)表示当前插值召回率的准确率
公式整体表示:当前召回率对应的准确率等于所有大于等于当前召回率的召回率对应的准确率的最大值值

举例说明:
第一个插值点是0.0,从左图上可以看到,大于等于0的召回率中,R点对应准确率最大,是1,所以对应右图,当召回率为0,其准确率为1
第二个插值点是0.1,从左图上可以看出,大于等于0.1的召回率中,J点对应准确率最大,为0.6666,所以在右图中,召回率为0.1,其准确率为0.6666
依次类推计算后面的插值点的准确率

然后计算这11个点的平均准确率:
AP=111r{0.0,0.1,...,1.0}ρinterp(γ)AP=\frac{1}{11}\sum\limits_{r\in\{0.0,0.1,...,1.0\}}\rho_{interp}(\gamma)AP=111​r∈{0.0,0.1,...,1.0}∑​ρinterp​(γ)
AP=111(1+0.6666+0.4285+0.4285+0.4285+0+0+0+0+0+0)=26.84%AP=\frac{1}{11}(1+0.6666+0.4285+0.4285+0.4285+0+0+0+0+0+0)=26.84\%AP=111​(1+0.6666+0.4285+0.4285+0.4285+0+0+0+0+0+0)=26.84%

二、论文结构

三、YOLO的优缺点

优点:

缺点:

标签:Real,Unified,0.4285,Look,yolo,interp,TP,准确率,召回
来源: https://blog.csdn.net/qq_36825778/article/details/102770000