epubit17的留言板

人邮异步社区 2020-01-02 06:32:35

大家好，这里是我的留言板，如果有问题，欢迎大家留言，我会第一时间进行回复

...全文

522 回复打赏收藏举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

附训练好的 YOLO 权重与 PyQt 可视化检测界面，页面底部含可视化效果预览，毕设/课设开箱即用。【数据集概况】 · 检测类别（中文）：[坡道(ramp)] · 训练集：275 张 · 验证集：27 张 · 测试集：0 张 · 总计：302 张该数据集聚焦于城市环境中各类建筑入口处的坡道设施，涵盖住宅、商铺、公共设施等多种场景，真实反映了无障碍通行设施在实际应用中的多样化形态。数据集中包含金属、橡胶、塑料等多种材质的坡道，以及不同尺寸、结构和安装方式的实例，充分体现了坡道在城市基础设施中的广泛部署与重要性。该数据集为城市智慧化管理、无障碍环境建设及公共安全监控提供了高质量的视觉基础支持。... 【训练曲线与评估图】【模型训练配置】参数 | 值模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备【关键指标汇总】训练了 33 个 epoch，最终轮指标：指标 | 数值 mAP50 | **0.6372** mAP50-95 | 0.3401 Precision | 0.6603 Recall | 0.6190 train/box_loss | 1.0569 train/cls_loss | 0.7307 val/box_loss | 1.6084 val/cls_loss | 1.9323 【训练过程分析】 33 轮训练后 mAP50 仅 0.6372，模型收敛不充分。Loss 曲线前期下降后进入平台期，mAP 提升缓慢。mAP50-95 为 0.3401，定位精度同样偏低。【模型性能评估】 Precision 0.6603、Recall 0.6190，精度高于召回，存在一... 使用场景：毕业设计、课程设计、深度学习入门、工业场景落地验证。

园区如何通过数据分析提升企业服务精准度？

如何精准评估园区企业创新能力，制定科学的产业扶持政策？

读懂 Meta API 限流：从范围判断到工程优化

703

社区成员

253,687

社区内容

发帖

与我相关

我的任务

其他技术论坛（原bbs）

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章