weixin_43387635的博客

本文介绍了用python计算目标检测中的IoU以及TP、FP、FN、precision、recall等指标的方法和原理。IoU是交并比，表示预测框和真实框之间的重叠程度，用交集面积除以并集面积得到。TP、TN、FP、FN分别表示真正例、真负例、假正例和假负例，用于评估分类器的正确性。Precision是预测为正例的样本中的准确率，Recall是预测正确的正例占所有正例的比例，二者需要综合考虑。AP是Precision-Recall曲线下方的面积，表示分类器在某个类别上的性能，mAP是所有类别的AP值

LabelImg标注完会生成“classes.txt”，如下为真实类别名称，从上到下类别代号分别为0、1、2、…因此，需要建立字典映射，将classes.txt的真实类别名称（如下左列）分别映射到代号0、1、2…每行表示（类别，中心x相对坐标，中心y相对坐标，相对宽度、相对高度）修改为自己的xml文件夹路径以及保存的txt文件夹路径即可。

YOLO目标检测数据集txt格式转xml格式，txt每行表示（类别，中心x相对坐标，中心y相对坐标，相对宽度、相对高度）

基于KNN及SVM在ORL数据集上实现人脸识别

基于ORL数据集，运用PCA+FLD算法实现人脸识别