mAP計算參考這里：目標檢測的評估指標mAP的那些事兒

相關概念：機器學習中 True Positives（真正例TP）、False Positives（假正例FP）、True Negatives（真負例TN）和 False Negatives（假負例FN）指什么

precision：

recall（分母就是Ground Truth）：

參考文章1: 目標檢測之YOLOv2，最詳細的代碼解析

參考文章2: [Deep learning 環境配置之四]YOLO算法之YAD2K配置教程

參考文章3: 5分鐘GET AI - 用 Python 玩轉 YOLO

參考文章4: python ctypes 探究 ---- python 與 c 的交互

參考文章5: 深度學習框架究竟是什么？

參考文章6: Darknet_yolov2綜述入門整理 ?

參考文章7: Darknet概述

參考文章8: darknet用自己的數據進行訓練

參考文章9: YOLO配置文件理解

參考文章10: CNN中feature map、卷積核、卷積核個數、filter、channel的概念解釋，以及CNN 學習過程中卷積核更新的理解

參考文章11: 從YOLOv1到YOLOv3，目標檢測的進化之路

參考文章12: 準確率，召回率，mAP(mean average precision)解釋

參考文章13: YOLOv2目標檢測_單目標_訓練自己數據全過程（自用）

參考文章14: yolov2訓練自己的數據（win10超詳細版）

參考文章15: 目標檢測：YOLOv3: 訓練自己的數據

參考文章16: Dll的分析與編寫(一)

參考文章17: extern "C"的用法解析

參考文章18: Yolo v2 多版本安裝

參考文章19: darknet框架中YOLO3的參數理解

參考文章20: YAD2K: Yet Another Darknet 2 Keras

參考文章21: YOLOv2 in PyTorch

參考文章22: A PyTorch implementation of a YOLO v3 Object Detector

參考文章23: YOLOv3 in PyTorch > ONNX > CoreML > iOS

參考文章24: Minimal PyTorch implementation of YOLOv3

參考文章25: pure tensorflow Implement of YOLOv3 with support to train your own dataset

參考文章26: YOLOv3算法詳解(包括前向傳播過程、YOLOv3 損失函數的理解、YOLOv3 的訓練技巧)

參考文章27: YOLOv3目標檢測有了TensorFlow實現，可用自己的數據來訓練(from 量子位)

參考文章：圖解 YoloV2

參考文章：YOLOv2訓練自己的數據集（VOC格式）

總結

以上是生活随笔為你收集整理的yolo-v2 v3实现笔记 mAP：mean average precision 平均精度均值的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。