1. Precision和Recall

计算公式：

其中TP为正确识别的判例个数，FN为有目标但识别为没有目标的判例个数。FP为没有目标但识别为有目标的判例个数。

Precision的含义为 模型正确识别的有目标判例占模型所有认为有目标的判例的比例；

Recall的含义为 模型正确识别的有目标判例占所有正确判例的比例。

2. mAP_0.5和mAP_0.5:0.95

mAP是指平均准确率。物体检测中，每一个类别都可以根据recall和precision绘制一条曲线，AP就是该曲线下的面积，mAP是多个类别AP的平均值。

mAP_0.5指的是当损失函数IoU取0.5时的mAP，mAP_0.5:0.95指的是当IoU分别取0.5~0.95时（步进0.05）mAP的平均值。

YOLO系列算法用IoU损失函数用来衡量检测框和真实框之间的交叠程度，一种常用的损失函数GIoU的计算方法为：

其中A、B表示任意两个框，C表示将AB包含在内的形状，IoU表示两个任意框的相似性。

3. loss

损失函数指的是单个样例的误差

cls_loss表示置信度的loss，box_loss表示预测框位置的loss，obj_loss表示目标的loss。

Original: https://blog.csdn.net/WZT725/article/details/123522123
Author: 明天才有空
Title: YOLOv5用TensorBoard可视化结果解读