EasyDL零基础AI开发平台

平台网址：EasyDL-零门槛AI开发平台

一、创建数据集并进行标注

如上图片，对机场中的飞机进行标注

二、训练模型

三、模型评估

mAP：(mean average precision)是物体检测(Object Detection)算法中衡量算法效果的指标。对于物体检测任务，每一类object都可以计算出其精确率(Precision)和召回率(Recall)，在不同阈值下多次计算/试验，每个类都可以得到一条P-R曲线，曲线下的面积就是average precision(AP)的值。“mean”的意思是对每个类的AP再求平均，得到的就是mAP的值。mAP在[0,1]区间，越接近1模型效果越好。

精确率：「某类样本正确预测为该类的样本数」占「预测为该类的总样本数」的比率，此处为各类别精确率的平均数

召回率：「某类样本正确预测为该类的样本数」占「标注为该类的总样本数」的比率，此处为各类别召回率的平均数

四、模型校验

可以看到有4个小车被识别成飞机，但飞机被全部识别出来。这与第三步的召回率100%一致，同时其他评测指标与验证结果几乎一致

五、实验总结

同时EasyDL也考虑到了人工标注浪费时间和枯燥的问题，这样可以用到智能标注，即在标注超过10张图片后，可以选择开启智能标注，系统主动学习标注，节省时间。