本文将为大家介绍有关yolov5的部分简易表明,通常是txt文档、练习过程分析等的资料。以下为文章结构:

yolo中txt文件信息表明:
…
yolo跑短视频、照片文件格式:
…
yolov5练习结论不太好的缘故:
1.欠拟合:
在测试集上主要表现比较差,是由于型可移植性过强,误鉴别率很高。解决方案:
- 提升数据的反样本量,提升主要特点的样本量
- 提升练习频率
- 减少正则化参数
2.多重共线性:
在测试集上主要表现有效,在测试集上主要表现比较差(实体模型太复杂了)。解决方案:
- 提升其它的特点的样本量,再次练习互联网。
- 训练数据约占数据库的占比太小,提升数据库的运动量
- loss值不会再缩小就证明练习好啦
yolov5练习结论(train文档)剖析
1.confusion_matrix.png(混淆矩阵)
…
2.F1_curve:
…
3.labels.jpg
…
4.labels_corrrelogram.jpg现阶段不清楚
5.P_curve.png:
…
6.PR_curve.png:
…
7.R_curve.png:均方误差和置信水平相互关系
8.results.png:
…
注:以上材料、图片来自于YOLOV5官方网站和CSDN出色创作者。侵权行为将被删除。本文将为大家提供有关yolov5的简易资料供大家参考学习。
原创文章,作者:小编小本本,如若转载,请注明出处:https://www.benjiyun.com/yunzhujiyunwei/vps-yunwei/5783.html
