Eric12219180 2022-12-28 15:01 采纳率: 62.2%
浏览 29
已结题

YOLOv5 bounding box 問題

想请问在yolov5的结果出来了以后会有很多bounding boxes,
那如果有些bounding box里面是完全没有任何目标对象的话(圈了个空气), 是要定义成False positive 或是 False negative?
那yolo系列的confusion matrix是否里面的总数(TN+TP+FN+FP)等于testing data的总数呢? 还是会有多的bounding box出来?

  • 写回答

3条回答 默认 最新

  • |__WhoAmI__| 2022-12-28 15:13
    关注

    在 YOLO 系列算法的检测中,每个输出的 bounding box 都是对应一个类别的检测结果。如果某个 bounding box 内完全没有目标对象,那么它就是一个假阳性(False positive)。在 YOLO 系列算法中,这种情况是有可能出现的,因为它们是通过一定的阈值来确定 bounding box 是否输出的,所以有时候可能会出现一些假阳性的 bounding box。

    在 YOLO 系列算法中,混淆矩阵(confusion matrix)的总数并不一定等于测试数据的总数。混淆矩阵中的总数是指所有的真阳性(True positive)和假阳性(False positive)的数量之和。在 YOLO 系列算法中,可能会出现较多的假阳性,所以混淆矩阵中的总数可能会大于测试数据的总数。

    举个例子,假设有 1000 张测试图片,YOLO 算法在测试过程中总共输出了 1500 个 bounding box,其中有 500 个是假阳性。那么在这种情况下,混淆矩阵的总数就是 1000 + 500=1500。

    总的来说,YOLO 系列算法在检测过程中可能会出现一些假阳性的 bounding box,这是正常的。在统计检测结果时,可以通过混淆矩阵来评估检测算法的表现。在 YOLO 系列算法中,混淆矩阵通常包括以下四种情况:

    1、真阳性(True positive, TP):检测算法输出的 bounding box 包含了目标对象,且类别正确。

    2、假阳性(False positive, FP):检测算法输出的 bounding box 包含了目标对象,但类别不正确。

    3、假阴性(False negative, FN):检测算法没有输出 bounding box,但目标对象存在。

    4、真阴性(True negative, TN):检测算法没有输出 bounding box,且目标对象不存在。

    通过统计混淆矩阵中各种情况的数量,就可以计算出检测算法的各种指标,如准确率(Precision)、召回率(Recall)、F1 值等。这些指标可以帮助了解检测算法的效果,并进行相应的优化。
    望采纳。

    本回答被题主选为最佳回答 , 对您是否有帮助呢?
    评论
查看更多回答(2条)

报告相同问题?

问题事件

  • 系统已结题 1月5日
  • 已采纳回答 12月28日
  • 创建了问题 12月28日

悬赏问题

  • ¥15 关于#vue.js#的问题:word excel和ppt预览问题语言-javascript)
  • ¥15 Apache显示系统错误3该如何解决?
  • ¥30 uniapp小程序苹果手机加载gif图片不显示动效?
  • ¥20 js怎么实现跨域问题
  • ¥15 C++dll二次开发,C#调用
  • ¥15 请教,如何使用C#加载本地摄像头进行逐帧推流
  • ¥15 Python easyocr无法顺利执行,如何解决?
  • ¥15 为什么会突然npm err!啊
  • ¥15 java服务连接es读取列表数据,服务连接本地es获取数据时的速度很快,但是换成远端的es就会非常慢,这是为什么呢
  • ¥15 vxworks交叉编译gcc报错error: missing binary operator before token "("