YOLOv8最新改進(jìn)系列

詳細(xì)的改進(jìn)教程以及源碼，戳這！戳這?。〈吝@?。?！B站：AI學(xué)術(shù)叫叫獸 源碼在相簿的鏈接中，動(dòng)態(tài)中也有鏈接，感謝支持！?？蒲羞b遙領(lǐng)先！

截止到發(fā)稿，B站YOLOv8最新改進(jìn)系列的源碼包已更新了22種！
排列組合2-4種后，約有6000-7000種！

一、工房工作的的更新情況

1.1 YOLOv8系列改進(jìn)源碼包（已更新22種改進(jìn)方法）

部分改進(jìn)教程視頻在這：詳細(xì)的改進(jìn)教程以及源碼，戳這！戳這??！戳這！?。站：AI學(xué)術(shù)叫叫獸 源碼在相簿的鏈接中，動(dòng)態(tài)中也有鏈接，感謝支持！祝科研遙遙領(lǐng)先！

1.2 學(xué)術(shù)寫(xiě)作小贈(zèng)送

除此之外，一些小工具、新想法以及創(chuàng)新方向和寫(xiě)作切入點(diǎn)推薦 也會(huì)不定時(shí)更新一下。等到SCI寫(xiě)作課程推出后，將寫(xiě)作的相關(guān)工作更新到課程中。

部分改進(jìn)教程視頻在這：詳細(xì)的改進(jìn)教程以及源碼，戳這！戳這！！戳這！??！B站：AI學(xué)術(shù)叫叫獸 源碼在相簿的鏈接中，動(dòng)態(tài)中也有鏈接，感謝支持！?？蒲羞b遙領(lǐng)先！

二、思維慣性?文章研讀。

算法新是創(chuàng)新？

視頻中的北大核心期刊

視頻中的SCI期刊

三、常用評(píng)估指標(biāo)

3.1、正樣本與負(fù)樣本

樣本在計(jì)算機(jī)視覺(jué)的評(píng)價(jià)中是非常重要的概念，正樣本比較好理解，是要檢測(cè)的物體，負(fù)樣本是不要檢測(cè)的目標(biāo)。這里負(fù)樣本會(huì)有一些問(wèn)題，首先負(fù)樣本定義比較主觀，其次負(fù)樣本和正樣本的量綱不在一個(gè)級(jí)別，那么實(shí)際算法中會(huì)把檢測(cè)出的待選區(qū)域中的一部分作為正樣本，一部分作為負(fù)樣本，例如 YOLO、Faster-RCNN 及 SSD 等。

比如檢測(cè)口罩時(shí)，口罩是正樣本，非口罩則是負(fù)樣本，比如旁邊的人臉、手機(jī)等等吧。

3.2 真正(TP)、假正(FP)、真負(fù)(TN)、假負(fù)(FN)

3.2.1 正確的正向預(yù)測(cè)（True Positive，TP）

需要滿足 3 個(gè)條件：

1. 置信度(Confidence Score)大于閾值，實(shí)際上預(yù)測(cè)出的所有的框都要滿足這個(gè)條件；
2. 預(yù)測(cè)類(lèi)型與標(biāo)簽類(lèi)型匹配；
3. 預(yù)測(cè)的 Bounding Box 與 Ground Truth 的交并比 (Intersection over Union，IoU，后續(xù)會(huì)詳細(xì)介紹) 大于閾值 (e.g. 0.5) ，當(dāng)有多個(gè)滿足條件的預(yù)選框，則選擇置信度最大的作為T(mén)P，其余的作為 FP。

3.2.2 錯(cuò)誤的正向預(yù)測(cè)（False Positive，F(xiàn)P）

負(fù)樣本被檢測(cè)為正樣本的數(shù)量，也稱(chēng)誤報(bào)，預(yù)測(cè)的 Bounding Box 與 Ground Truth 的 IoU 小于閾值的檢測(cè)框（定位錯(cuò)誤）或者預(yù)測(cè)的類(lèi)型與標(biāo)簽類(lèi)型不匹配（分類(lèi)錯(cuò)誤）

3.2.3 錯(cuò)誤的負(fù)向預(yù)測(cè)（False Negative，F(xiàn)N）

正樣本沒(méi)被檢測(cè)為負(fù)樣本的數(shù)量，也稱(chēng)漏報(bào)，指沒(méi)有檢測(cè)出的 Ground Truth 區(qū)域。

3.2.4 正確的負(fù)向預(yù)測(cè)（True Negative，TN）

是負(fù)樣本且被檢測(cè)出的數(shù)量，無(wú)法計(jì)算，在目標(biāo)檢測(cè)中，通常也不關(guān)注 TN。

3.3 Precision

準(zhǔn)確度 (Percision) 也叫查準(zhǔn)率，是在識(shí)別出的物體中，正確的正向預(yù)測(cè) (True Positive，TP) 所占的比率。
10個(gè)檢測(cè)框，7 個(gè)正確檢測(cè)出，則70%

3.4 Recall

召回率 (Recall)，是正確識(shí)別出的物體占總物體數(shù)的比率。

10個(gè)物體，框出8個(gè)，則80%。

3.5 F1 score

3.6 P-R曲線

選取不同閾值時(shí)對(duì)應(yīng)的精度和召回畫(huà)出來(lái)

3.7 mAP@.5

3.7.1 AP

識(shí)別正確的樣本數(shù)占識(shí)別樣本總數(shù)的百分?jǐn)?shù)，對(duì)應(yīng)著PR曲線下面的面積

3.7.2 mAP.5

所有類(lèi)別AP值的平均數(shù)，通常將mAP作為評(píng)估模型性能的最終指標(biāo)

AP\類(lèi)別 （IoU=0.5）

3.8 FPS(Frames Per Second)

幀每秒，用于評(píng)估模型檢測(cè)的速度，F(xiàn)PS越高實(shí)時(shí)性越好。

收工！

遙遙領(lǐng)先了家人們！
詳細(xì)的改進(jìn)教程以及源碼，戳這！戳這??！戳這！??！B站：AI學(xué)術(shù)叫叫獸 源碼在相簿的鏈接中，動(dòng)態(tài)中也有鏈接，感謝支持！?？蒲羞b遙領(lǐng)先！文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-728053.html

到了這里，關(guān)于如何快速水出人生中的第一篇SCI系列：深度學(xué)習(xí)目標(biāo)檢測(cè)算法常用評(píng)估指標(biāo)——一文讀懂！的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！