En este video, aprenderá a calcular las métricas de entrenamiento y evaluación para los modelos de detección de objetos creados con la API de detección de objetos de Tensorflow con Python. Aprenderá a evaluar su modelo de detección de objetos de Python y a calcular la precisión media media (mAP) y la recuperación media.

Capítulos:
0:00 - Inicio
3:19 - Cálculo de métricas y pérdidas de entrenamiento
6:14 - Codificación del guión de evaluación
9:08 - Cálculo de precisión promedio promedio (mAP) y recuperación promedio (AP)
12:21 - Visualización de mAP y AP en Tensorboard

En este video, aprenderá a:

1. Visualización de resultados de entrenamiento y pérdidas dentro de Tensorboard

2. Evaluación del rendimiento de los modelos de detección de objetos de Tensorflow

3. Cálculo de la precisión promedio promedio (mAP) y la recuperación promedio (AP) para modelos de detección de objetos

4. Visualización de mAP y AR para datos de evaluación mediante Tensorboard

reaccionar aplicación de varias páginas

Obtenga el código del tutorial: https://github.com/nicknochnack/Tenso… ​

Código de detección de objetos en tiempo real: https://github.com/nicknochnack/RealT… ​

Lista de reproducción de detección de objetos de pila completa: https://www.youtube.com/playlist?list… ​

Suscribir: https://www.youtube.com/channel/UCHXa4OpASJEwrHrLeIzw7Yg

#tensorflow #python

www.youtube.com

Cálculo de métricas de detección de objetos de Tensorflow con Python | Precisión promedio promedio (mAP) y recuperación

En este video, aprenderá a calcular las métricas de entrenamiento y evaluación para los modelos de detección de objetos creados con la API de detección de objetos de Tensorflow con Python.