《表2 测试结果：基于改进YOLOv2模型的多目标识别方法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于改进YOLOv2模型的多目标识别方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本文进一步对验证集进行测试，结果如表2所示。Ntotal表示待检测的实际目标数；Ccorrect表示将图片输入后，网络检测出的bounding box目标数，每一个bounding box都有对应的置信度，置信度大于阈值的bounding box要进行IOU的计算，从中找到IOU最大的bounding box，当最大IOU的bounding box大于预设的IOU阈值，那么Ccorrect值就增加1；Pproposal表示在检测出的所有bounding box中置信度大于阈值的bounding box数量；Pprecision表示精确度；Rrecall表示召回率，是检测目标的个数与验证集中所有目标个数的比值；F1表示的是F1分数（F1-score），又称平衡F分数（balanced Fscore），它被定义为精确率和召回率的调和平均数，同时兼顾了模型的召回率和精确度，其取值在0～1之间，F1越大，说明效果越好。