揭秘目标检测:从IoU到mAP全解析

21867阅读 0评论
深度学习 > 2024年07月03日 21867阅读 0评论

IoU置信度TP、FP、TN、FN精度和召回率mAP IoU IoU,全称是Intersection over Union,即交并比,是一种衡量目标检测模型预测准确度的重要指标。 模型预测的边界框叫做:预测框,标注的真实边界框叫做:真实框。IoU就是这两个框的交集面积与并集面积的比值。 置信度 置信度,(Confidence)是模型对预测边界框中存在目标物体的确信程度,通常以 0 到 1 之间的概率表示。置信度分数越高,表示模型越确定该边界框内包含目标物体。 其计算公式为:置信度 = 类别概率 * 边界框概率。 类别概率 类别概率是模型预测某个边界框中目标物体属于某个类别的置信度分数。通过 softmax 函数对模型输出的类别得分进行归一化,得到每个类别的概率分布。 边界框概率 边界框概率 是模型预测某个边界框中确实包含目标物体的置信度分数。通过 sigmoid 函数对模型输出的边界框得分进行归一化,得到边界框包含物体的概率。 TP、FP、TN、FN TP (True Positive):真正例,置信度满足设定的阈值, 并且预测正确(预测IoU满足阈值+预测类别正确)。 FP (Fal

利用强化学习自动玩超级马里奥

39294阅读 0评论
深度学习 > 2024年06月06日 39294阅读 0评论

模型下载 https://drive.google.com/file/d/1aBe2xUlWBaujdwvllRa2QQSUeeKLwTSr/view?usp=drive_link 测试代码 xxxxxxxxxx import os os.environ['OMP_NUM_THREADS'] = '1' import argparse import torch from src.env import create_train_env from src.model import ActorCritic import torch.nn.functional as F def get_args():    parser = argparse.ArgumentParser(        """Implementation of model described in the paper: Asynchronous Methods for Deep Reinforcement Learning for Super Mario Bros""")    parser.add_arg

KNN分类器

40442阅读 3评论
深度学习 > 2024年04月05日 40442阅读 3评论

KNN分类器入门案例加载CIFAR-10数据集数据集二次采样使用KNN分类器分类数据集 KNN分类器入门案例 K最近邻(K-Nearest Neighbors,KNN) 加载CIFAR-10数据集 CIFAR-10, Canadian Institute for Advanced Research - 10, 是一个由加拿大高级研究院(Canadian Institute for Advanced Research)创建的图像分类数据集。它包含来自10个不同类别的60,000个32x32彩色图像,每个类别包含6,000个图像。 http://www.cs.toronto.edu/~kriz/cifar-10-python.tar.gz 将下载的cifar-10-python.tar.gz文件解压到:/CONTENT/cs231n/datasets/cifar-10-batches-py,其文件列表如图: 这里和下文的/CONTENT目录一律指代根目录,实际可以是任意目录名称,data_batch_*是训练数据集,test_batch是测试数据集 加载数据集 x def load_CIF