Analyse approfondie des métriques de performance
Introduction#
Les métriques de performance sont des outils essentiels pour évaluer la précision et l’efficacité des modèles de détection d’objets. Elles indiquent dans quelle mesure un modèle peut identifier et localiser efficacement des objets dans des images. Elles aident également à comprendre comment le modèle gère les faux positifs et les faux négatifs. Ces informations sont cruciales pour évaluer et améliorer les performances du modèle. Ce guide présente les métriques de performance associées à YOLO26, leur importance et la manière de les interpréter.
À regarder : Métriques de performance d’Ultralytics YOLO26 | mAP, score F1, précision, IoU et exactitude
Métriques de détection d’objets#
Les métriques suivantes sont importantes pour YOLO26 et s’appliquent largement à différents modèles de détection d’objets.
-
Intersection sur l’union (IoU) : l’IoU mesure le chevauchement entre une boîte englobante prédite et une boîte englobante de référence. Cette métrique joue un rôle fondamental dans l’évaluation de la précision de la localisation des objets.
-
Précision moyenne (AP) : l’AP calcule l’aire sous la courbe précision-rappel et fournit une valeur unique qui résume les performances du modèle en matière de précision et de rappel.
-
Précision moyenne (mAP) : la mAP prolonge le concept d’AP en calculant la moyenne des valeurs d’AP sur plusieurs classes d’objets. Cette métrique est utile dans les scénarios de détection multi-classes pour fournir une évaluation complète des performances du modèle.
-
Précision et rappel : la précision quantifie la proportion de vrais positifs parmi toutes les prédictions positives et évalue la capacité du modèle à éviter les faux positifs. Le rappel calcule la proportion de vrais positifs parmi tous les positifs réels et mesure la capacité du modèle à détecter toutes les instances d’une classe.
-
Score F1 : le score F1 est la moyenne harmonique de la précision et du rappel. Il fournit une évaluation équilibrée des performances d’un modèle en tenant compte à la fois des faux positifs et des faux négatifs.
Comment calculer les métriques pour un modèle YOLO26#
Le mode de validation de YOLO26 calcule les métriques d’évaluation décrites ci-dessus.
Le mode de validation est simple à utiliser. Une fois que tu as entraîné un modèle, appelle la fonction model.val(). Cette fonction traite alors le jeu de données de validation et renvoie diverses métriques de performance. Mais que signifient ces métriques ? Et comment les interpréter ?
Interprétation des résultats#
Les sections ci-dessous détaillent chaque partie de la sortie de model.val().
Métriques par classe#
La sortie comporte notamment une ventilation des métriques de performance par classe. Ces informations détaillées sont utiles pour comprendre les performances du modèle pour chaque classe, en particulier dans les jeux de données comprenant une grande diversité de catégories d’objets. Pour chaque classe du jeu de données, les éléments suivants sont fournis :
-
Classe : indique le nom de la classe d’objets, par exemple « personne », « voiture » ou « chien ».
-
Images : cette métrique indique le nombre d’images de l’ensemble de validation qui contiennent la classe d’objets.
-
Instances : indique le nombre de fois où la classe apparaît dans l’ensemble des images de validation.
-
Boîte(P, R, mAP50, mAP50-95) : cette métrique donne des informations sur les performances du modèle en détection d’objets :
-
P (précision) : précision des objets détectés, qui indique combien de détections sont correctes.
-
R (rappel) : capacité du modèle à identifier toutes les instances d’objets dans les images.
-
mAP50 : précision moyenne calculée avec un seuil d’intersection sur union (IoU) de 0.50. Cette métrique mesure la précision du modèle en ne considérant que les détections « faciles ».
-
mAP50-95 : moyenne des précisions moyennes calculées à différents seuils d’IoU, de 0.50 à 0.95. Elle donne une vue complète des performances du modèle selon différents niveaux de difficulté de détection.
-
Métriques de vitesse#
La vitesse d’inférence peut être aussi importante que la précision, en particulier pour la détection d’objets en temps réel. Cette section détaille le temps nécessaire aux différentes étapes du processus de validation, du prétraitement au post-traitement.
Évaluation des métriques COCO#
Pour les utilisateurs qui effectuent la validation sur le jeu de données COCO, des métriques supplémentaires sont calculées à l’aide du script d’évaluation COCO. Ces métriques donnent des indications sur la précision et le rappel à différents seuils IoU et pour des objets de tailles différentes.
Résultats visuels#
Outre les métriques numériques, la fonction model.val() produit également des sorties visuelles qui peuvent aider à mieux comprendre les performances du modèle. Voici les sorties visuelles auxquelles tu peux t’attendre :
-
Courbe du score F1 (
BoxF1_curve.png) : cette courbe représente le score F1 pour différents seuils. Son interprétation peut éclairer l’équilibre du modèle entre faux positifs et faux négatifs selon les seuils. -
Courbe précision-rappel (
BoxPR_curve.png) : cette visualisation essentielle pour tout problème de classification montre les compromis entre précision et rappel pour différents seuils. Elle est particulièrement importante lorsque les classes sont déséquilibrées. -
Courbe de précision (
BoxP_curve.png) : représentation graphique des valeurs de précision à différents seuils. Cette courbe aide à comprendre comment la précision évolue lorsque le seuil change. -
Courbe de rappel (
BoxR_curve.png) : de même, ce graphique illustre l'évolution des valeurs de rappel selon différents seuils. -
Matrice de confusion (
confusion_matrix.png) : la matrice de confusion donne une vue détaillée des résultats et présente le nombre de vrais positifs, de vrais négatifs, de faux positifs et de faux négatifs pour chaque classe. -
Matrice de confusion normalisée (
confusion_matrix_normalized.png) : cette visualisation est une version normalisée de la matrice de confusion. Elle représente les données sous forme de proportions plutôt que de nombres bruts. Ce format facilite la comparaison des performances entre les classes. -
Étiquettes des lots de validation (
val_batchX_labels.jpg) : ces images représentent les étiquettes de référence de différents lots du jeu de données de validation. Elles montrent clairement quels sont les objets et où ils se trouvent selon le jeu de données. -
Prédictions des lots de validation (
val_batchX_pred.jpg) : contrairement aux images d'étiquettes, ces visuels présentent les prédictions du modèle YOLO26 pour les lots correspondants. En les comparant aux images d'étiquettes, tu peux facilement évaluer visuellement la capacité du modèle à détecter et à classer les objets.
Pour les tâches de détection, de segmentation et de pose, les noms des courbes commencent par le type de métrique : la détection écrit les courbes Box*, la segmentation écrit les courbes Box* et Mask*, et la pose écrit les courbes Box* et Pose*.
Stockage des résultats#
Pour pouvoir les consulter ultérieurement, les résultats sont enregistrés dans un répertoire généralement nommé runs/detect/val.
Choisir les bonnes métriques#
Le choix des métriques appropriées pour l’évaluation dépend souvent de l’application concernée.
-
mAP : convient à une évaluation générale des performances du modèle.
-
IoU : essentielle lorsque la localisation précise des objets est cruciale.
-
Précision : importante lorsqu'il est prioritaire de réduire les fausses détections.
-
Rappel : essentiel lorsqu'il est important de détecter chaque occurrence d'un objet.
-
Score F1 : utile lorsqu'il faut équilibrer précision et rappel.
Pour les applications en temps réel, les métriques de vitesse comme les FPS (images par seconde) et la latence sont cruciales pour garantir des résultats rapides.
Interprétation des résultats#
Voici ce que peuvent indiquer certains scores faibles couramment observés :
-
mAP faible : indique que le modèle a peut-être besoin d'améliorations générales.
-
IoU faible : le modèle peut avoir du mal à localiser précisément les objets. Différentes méthodes de délimitation pourraient aider.
-
Précision faible : le modèle détecte peut-être trop d'objets inexistants. Ajuster les seuils de confiance pourrait réduire ce nombre.
-
Rappel faible : le modèle pourrait manquer des objets réels. Améliorer l'extraction de caractéristiques ou utiliser davantage de données pourrait aider.
-
Score F1 déséquilibré : il existe un écart entre la précision et le rappel.
-
AP par classe : des scores faibles peuvent révéler les classes qui posent problème au modèle.
Études de cas#
Des exemples concrets peuvent aider à comprendre comment ces métriques fonctionnent en pratique.
Cas 1#
-
Situation : mAP et score F1 sous-optimaux ; le rappel est bon, mais pas la précision.
-
Interprétation et action : il y a peut-être trop de détections incorrectes. Relever les seuils de confiance pourrait les réduire, mais aussi diminuer légèrement le rappel.
Cas 2#
-
Situation : la mAP et le rappel sont acceptables, mais l'IoU est faible.
-
Interprétation et action : le modèle détecte bien les objets, mais ne les localise peut-être pas avec précision. Affiner les prédictions des boîtes englobantes pourrait aider.
Cas 3#
-
Situation : certaines classes ont une AP bien inférieure à celle d'autres classes, même si la mAP globale est correcte.
-
Interprétation et action : ces classes sont peut-être plus difficiles à apprendre pour le modèle. Il peut être utile d’utiliser davantage de données pour ces classes ou d’ajuster les poids des classes à l’aide de l’argument d’entraînement
cls_pw.
Échanger et collaborer#
La communauté YOLO26 peut t’aider à apprendre, à résoudre des problèmes et à échanger grâce aux canaux suivants.
Participer à la communauté au sens large#
-
Problèmes GitHub : le dépôt Ultralytics sur GitHub comprend un onglet Issues où tu peux poser des questions, signaler des bogues et suggérer de nouvelles fonctionnalités. La communauté et les responsables du dépôt y sont actifs ; c'est un excellent endroit pour obtenir de l'aide sur des problèmes précis.
-
Serveur Discord Ultralytics : Ultralytics dispose d'un serveur Discord où tu peux échanger avec d'autres utilisateurs et les développeurs.
Documentation et ressources officielles#
- Documentation Ultralytics YOLO26 : la documentation officielle présente YOLO26 de manière exhaustive et propose des guides d'installation, d'utilisation et de dépannage.
Ces ressources peuvent t’aider à résoudre des problèmes et à rester au fait des bonnes pratiques de la communauté YOLO26.
Conclusion#
Dans ce guide, nous avons examiné en détail les principales métriques de performance de YOLO26. Ces métriques sont essentielles pour comprendre les performances d'un modèle et indispensables à toute personne souhaitant affiner ses modèles. Elles fournissent les informations nécessaires aux améliorations et permettent de s'assurer que le modèle fonctionne efficacement dans des situations réelles.
La communauté YOLO26 et Ultralytics est également une ressource précieuse : échanger avec d’autres développeurs et experts peut faire émerger des solutions absentes de la documentation, et partager tes résultats peut aider d’autres personnes travaillant sur la détection d’objets.
FAQ#
La précision moyenne (mAP) est essentielle pour évaluer les modèles YOLO26, car elle résume en une seule métrique la précision et le rappel sur plusieurs classes. mAP50 mesure la précision à un seuil d’IoU de 0.50 et évalue la capacité du modèle à détecter correctement les objets. mAP50-95 calcule la moyenne de la précision sur une plage de seuils d’IoU et fournit une évaluation complète des performances de détection. Des scores mAP élevés indiquent que le modèle équilibre efficacement précision et rappel, ce qui est essentiel pour des applications comme la conduite autonome et les systèmes de surveillance, où la détection précise et la réduction des fausses alertes sont toutes deux essentielles.
L'intersection sur union (IoU) mesure le chevauchement entre les boîtes englobantes prédites et celles de référence. Les valeurs d'IoU vont de 0 à 1 ; plus elles sont élevées, plus la localisation est précise. Une IoU de 1.0 indique un alignement parfait. En général, un seuil d'IoU de 0.50 sert à définir les vrais positifs dans des métriques comme la mAP. Des valeurs d'IoU faibles indiquent que le modèle a du mal à localiser précisément les objets ; tu peux améliorer ce point en affinant la régression des boîtes englobantes ou en augmentant la précision des annotations de ton jeu de données d'entraînement.
Le score F1 est important pour évaluer les modèles YOLO26, car il correspond à la moyenne harmonique de la précision et du rappel, équilibrant ainsi faux positifs et faux négatifs. Il est particulièrement utile pour les jeux de données déséquilibrés ou les applications où la précision ou le rappel ne suffisent pas à eux seuls. Un score F1 élevé indique que le modèle détecte efficacement les objets tout en réduisant au minimum les détections manquées et les fausses alertes, ce qui le rend adapté aux applications critiques comme les systèmes de sécurité et l'imagerie médicale.
Ultralytics YOLO26 offre plusieurs avantages pour la détection d'objets en temps réel :
- Vitesse et efficacité : optimisé pour l'inférence à grande vitesse, il convient aux applications qui exigent une faible latence.
- Grande précision : obtient une mAP élevée pour différentes tailles de modèles, tout en équilibrant précision et rappel.
- Flexibilité : prend en charge diverses tâches, notamment la détection d'objets, la segmentation d'instances, la segmentation sémantique et la classification.
- Facilité d’utilisation : interfaces conviviales, documentation complète et intégration avec des outils comme Ultralytics Platform.
YOLO26 convient ainsi à de nombreuses applications, des véhicules autonomes aux solutions pour les villes intelligentes.
Les métriques de validation de YOLO26, comme la précision, le rappel, la mAP et l'IoU, aident à diagnostiquer et à améliorer les performances du modèle en apportant des informations sur différents aspects de la détection :
- Précision : aide à repérer et à réduire les faux positifs.
- Rappel : garantit la détection de tous les objets pertinents.
- mAP : donne un aperçu global des performances et oriente les améliorations générales.
- IoU : aide à affiner la précision de la localisation des objets.
L'analyse de ces métriques permet de cibler des faiblesses précises, par exemple en ajustant les seuils de confiance pour améliorer la précision ou en recueillant des données plus variées pour renforcer le rappel. Pour obtenir des explications détaillées sur ces métriques et leur interprétation, consulte les métriques de détection d'objets et envisage d'appliquer l'optimisation des hyperparamètres pour optimiser ton modèle.
Commentaires109
Pose une question, partage tes résultats ou aide quelqu’un d’autre.
atharvahude
Question: Clarification on AP vs mAP in YOLOv8 metrics output
Hello,
I'm using YOLOv8 for object detection, and I have some questions about the metrics output, particularly regarding the use of map50 and map50-90 in the results. In the output, I'm seeing these metrics reported for individual classes as well as an "all" category that aggregates the performance.
My understanding is that:
AP (Average Precision) should be calculated for each individual class.
mAP (mean Average Precision) is the average of the AP values across all classes.
However, in the output, the terms map50 and map50-90 are listed for each individual class. Should these values be interpreted as AP for each class, rather than mAP, which I would expect to be the mean across all classes? Additionally, the "all" row appears to be giving the mAP value.
Could you confirm:
-
Should the per-class map50 and map50-90 values be treated as AP for those specific classes?
-
Is the "all" row correctly representing the mean AP across all classes?
Thanks in advance for your clarification!
1kedardg
@atharvahude output of mAP50 for a single class in fact refer to AP50. You can also refer to the following discussion on the same. https://github.com/orgs/ultralytics/discussions/8790#discussioncomment-9476915
Glenn JocherUltralytics@atharvahude the per-class
map50andmap50-95values should indeed be treated as AP for those specific classes. The "all" row represents the mean AP across all classes, confirming your understanding. For more details, you can refer to our documentation on performance metrics.
-
e-roe
Hi, Great guide on performance metrics — they're key tools to evaluate the accuracy and efficiency of object detection models. However, although the plots are shown, I think the train/box_loss, train/obj_loss, and train/cls_loss plots weren't explained — or did I miss something? Thanks!
Glenn JocherUltralytics(modifié)@e-roe great observation! You're right that the training loss plots could use more explanation. The training losses shown during YOLO11 training represent:
- train/box_loss: Localization loss measuring how well predicted bounding boxes match ground truth coordinates
- train/cls_loss: Classification loss measuring how accurately the model predicts object classes
- train/dfl_loss: Distribution Focal Loss, which helps improve localization accuracy by treating bounding box regression as a classification problem (YOLO26 is DFL-free, so this term is a plain L1 box-distance loss there)
These training losses should generally decrease over epochs, indicating the model is learning. The validation losses (val/box_loss, val/cls_loss, val/dfl_loss) help monitor overfitting - if training losses decrease but validation losses increase or plateau, it suggests overfitting.
Thanks for pointing this out! We'll consider expanding the training loss explanations in future documentation updates.
Hemanth-mandava-neuropi
@glenn-jocher I'm working on a YOLOv8 segmentation task to detect pallets. I've annotated a dataset using Roboflow with 6000 images, split into train, test, and validation sets. After training, I obtained the following results:
Class Images Instances Box(P R mAP50 mAP50-95) Mask(P R mAP50 mAP50-95) all 1227 2262 0.974 0.489 0.689 0.636 0.972 0.488 0.690 0.624 The precision is high, but the recall is quite low (~0.48), which suggests many true pallets are being missed.
While inspecting the Roboflow data analytics, I noticed something interesting:
Around 4000 images have only 1 annotated pallet
The rest have 2–10 pallets annotated
This leads me to the following questions:
Does this cause class imbalance in the dataset, particularly affecting model generalization and recall?
Should I balance the dataset between single-object and multi-object images? Is it worth filtering or augmenting to even it out?
Since I’m combining pre-annotated data from multiple sources, is there a way to analyze the distribution of annotations/images before training, especially when not using Roboflow’s UI?
What techniques are most effective to boost recall in segmentation tasks? Should I look into:
Lowering confidence thresholds?
Data augmentation (mosaic, copy-paste)?
Label smoothing or loss function tweaks?
Different anchor/mask threshold settings?
Any help or insights would be greatly appreciate
Fatima-khanjar(modifié)
Hello!
I hope this message finds you well.
I have a question regarding the model's performance. Typically, to evaluate the model's performance, we look at precision, recall, and F1 scores. However, these metrics alone may not be sufficient to confirm that the model is performing well. We should also consider the values of DFL, classification (cls) loss, and box loss. My question is: What are the values of these losses that are considered good? Should they be something like 0.00xxxx? Additionally, what is the significance of having high precision, recall, and F1 scores (above 0.8), while at the same time, the loss values are around 0.3 and 0.6, and when we look at the plots of losses (train vs. val), we see that both losses are decreasing over the epochs?
I have another question: The plots and values for training and validation losses are saved, but how can I extract the overall values of train/val losses during the training process?
Thank you for your help!
Regards,
Glenn JocherUltralytics@Fatima-khanjar excellent questions about model evaluation!
For DFL, classification, and box losses, there are no absolute "good" values as they depend on your dataset complexity, model size, and task. What's more important is the trend - consistently decreasing losses indicate proper training. Loss values of 0.3-0.6 with high precision/recall (>0.8) can be completely normal, as metrics often continue improving even after losses plateau.
To extract training/validation loss values programmatically:
import pandas as pd # Load the results CSV results_df = pd.read_csv('path/to/results.csv') # Extract train/val losses train_box_loss = results_df['train/box_loss'] val_box_loss = results_df['val/box_loss'] train_cls_loss = results_df['train/cls_loss'] val_cls_loss = results_df['val/cls_loss'] train_dfl_loss = results_df['train/dfl_loss'] val_dfl_loss = results_df['val/dfl_loss']Focus on comparing validation metrics against your application requirements rather than trying to reach arbitrary loss values. A model with slightly higher losses but better real-world performance is ultimately more valuable.
1maomao123-git
Hi!how to print f1 score in model.val() ? In addition, I want to print metrics with four decimal places so that I can get percentage form. For example, the printed mAP50 was 0.8657, and I can transfer the number to 86.57%. Where and how can I revise the code? Thanks!
Glenn JocherUltralytics(modifié)@maomao123-git to print the F1 score and format metrics with four decimal places when running validation, you can access these values from the results object:
from ultralytics import YOLO # Load your model model = YOLO('yolo26n.pt') # or your custom model path # Run validation results = model.val() # results.box.f1 holds one F1 score per class f1 = results.box.f1.mean() map50 = results.box.map50 # Format and print print(f"F1 Score: {f1:.4f} ({f1*100:.2f}%)") print(f"mAP50: {map50:.4f} ({map50*100:.2f}%)") # For class-specific metrics for i, f1_val in enumerate(results.box.f1): class_name = model.names[results.box.ap_class_index[i]] print(f"Class '{class_name}' F1 Score: {f1_val:.4f} ({f1_val*100:.2f}%)")This gives you access to both overall and class-specific F1 scores with your desired formatting. The metrics class includes all the performance metrics like precision, recall, mAP, and F1 score, which you can format as needed.
2maomao123-git
Thanks for your help. I can print f1 of per class, yet there is no f1 of class "all". How can I get it?
Glenn JocherUltralytics(modifié)@maomao123-git to get the F1 score for "all" classes (mean F1 across all classes), you can calculate it from the overall precision and recall values:
# Run validation results = model.val() # Get overall precision and recall precision_all = results.box.mp # mean precision recall_all = results.box.mr # mean recall # Calculate F1 score for "all" classes f1_all = 2 * (precision_all * recall_all) / (precision_all + recall_all) if (precision_all + recall_all) > 0 else 0 # Format and print print(f"All Classes F1 Score: {f1_all:.4f} ({f1_all*100:.2f}%)")Alternatively, you can calculate the mean of class-specific F1 scores:
# Calculate mean of all class F1 scores mean_f1 = results.box.f1.mean() print(f"Mean F1 Score: {mean_f1:.4f} ({mean_f1*100:.2f}%)")Both methods should give you a good representation of the overall F1 score that would appear in the "all" row.
2maomao123-git
thanks!
Glenn JocherUltralytics@Shubham77saini the precision calculation in YOLOv8 considers confidence thresholds and precision-recall curve interpolation, which can lead to different values than direct TP/(TP+FP) calculations. The reported 0.734 precision for the "car" class is likely affected by how the model handles confidence scores across the precision-recall curve.
To understand this better, you might want to:
- Check the confusion matrix at different confidence thresholds
- Look at P-R curves in the validation output directory
- Verify that your IoU threshold (0.5) matches what's being used for metric calculation
The metrics implementation computes precision across a range of confidence thresholds and may interpolate values between operating points, which explains why the reported value differs from your expected calculation. For deeper investigation, check the full metrics implementation in the
ultralytics/utils/metrics.pyfile.maomao123-git
@glenn-jocher, if we can get the ap50-95, I think we also can get recall50-95, precision50-95, f1-score50-95. When I print metrics.box.r(), metrics.box.p()……, I just see the single value of each class. Are the values under IoU = 0.5 if IoU is in default? Is it possible to get recall50-95, precision50-95? thank you!
Fatima-khanjar
Hello,
I hope this message finds you well. I have two questions:
- There are plots showing different metrics. How can I use them to extract the performance values of the model, given that there are various confidence thresholds? During validation, the default IoU in YOLOv11 is 0.6. Does it remain stable when calculating precision, recall, and F1 score?
- During validation, I see outputs like this: Class Images Instances Box(P) R mAP50 mAP50-95 all 30 240 0.917 0.911 0.973 0.817 Can I use these values to report the performance of the model? If yes, how can I extract them through coding?
best regards,
Glenn JocherUltralytics(modifié)For accessing validation metrics programmatically, you can retrieve them directly from the
resultsobject after runningmodel.val(). Here's a concise example:results = model.val() print(f"Precision: {results.box.mp}, Recall: {results.box.mr}, mAP50: {results.box.map50}, mAP50-95: {results.box.map}")The default
iou=0.7inval()is the NMS threshold, not the precision/recall threshold. Precision and recall are computed at IoU 0.5 at the confidence that maximizes F1, while mAP50-95 averages over IoU 0.5-0.95. The class-wise table values are valid for performance reporting - full implementation details are in the Model Evaluation Insights guide.
e-roe
Hello,
Looking at the confusion matrices, I find the normalized one strange when compared to the non-normalized version. I decided to train a model with only one class to try to understand it, but the result left me even more confused. Could you explain the meaning of this normalized confusion matrix? Ultralitics version: 8.3.49 Non-normalized: 18953 ---- 159 12 ---- 0
Normalized: 1.00 ---- 1.00 0.00 ---- 0.00
Ps. I don't know how to attach an image here Thank you.
Glenn JocherUltralytics(modifié)@e-roe the normalized confusion matrix divides each column (a true class) by its total, so every column sums to 1. Rows are predictions and columns are true classes, including a background row/column. In your single-class case:
- True object column: 18953 correct detections and 12 missed objects, so 18953/18965 ≈ 1.00 and 12/18965 ≈ 0.00
- True background column: 159 false positives (background predicted as an object), so 159/159 = 1.00 and 0.00
For deeper analysis, see our Performance Metrics Guide. Let us know if you need clarification on specific values! 🚀
e-roe
@glenn-jocher Thank you for your response.
If it is row-wise normalization, shouldn't the sum of each row be 1.0? In Scikit-learn, the normalized confusion matrix appears as I expected, in my single-class case: 0.99168062 ---- 0.00831938
- ---- 0.
This result is much easier for me to compare with the non-normalized confusion matrix and interpret. []'s
e-roe
Hi, Oh, I see... I think you calculate it this way:
cm_normalized = cm.astype('float') / cm.sum(axis=1)[:, np.newaxis]but I was expecting it to be like this:cm_normalized = cm.astype('float') / cm.sum(axis=0)[np.newaxis, :]Ok, thank you again.
Glenn JocherUltralytics(modifié)Thank you for catching this nuance! Ultralytics normalizes each column of the confusion matrix, which corresponds to a true class (rows are predictions), rather than each row as in scikit-learn's default. Each column therefore shows how the instances of one true class were predicted.
Keletom1
Problem with figuring out the IoU
Hey there,
i had been having some trouble with my models and finding out how they perform on new Data. I will explain, what i have been doing and hopefully someone can find out where i was going wrong :D
What have I done so far:
I have trained multiple models on different datasets and now i want to find out, how they perform when they are exposed to new data, some of which they have seen, some of which are completely new. The models are all single class segmentation YOLOv8 models and trained for 300 epochs, nothing too special because i just want to see how different models (trained of different datasets) perform on my test dataset. I had all my models run over said test dataset (Prüfdatensatz_2) of 62 images. I had the annotations saved as png and also as JSON. After that i went ahead and annotated all of my 62 images manually with roboflow and exported these as a JSON as well. So now i have the prediction-json files (one for each image) and one big GroundTruth-json file and i want to compare them and get a big results.csv in which the images names, the models they belong to and the Intersection over Union for each image are displayed. I have tried different approaches and the script itself does work, only the IoU-calculation does not seem to work. It's either 0.0 or 1.0 (the latter in case there is nothing to annotate and the model didn't predict anything in this image).
My Code:
import json import os import numpy as np import pandas as pd import re from shapely.geometry import Polygon # **1. COCO JSON laden** coco_json_path = r"C:\Users\wavet\Desktop\OneDrive\Uni\Semester 9\Bachelorarbeit\Datensätze\COCO_Prüfdatensatz_2-2\train\_annotations.coco.json" with open(coco_json_path, "r") as f: coco_data = json.load(f) # **2. Mapping-Tabelle für COCO JSON erstellen (Dateiendungen und Suffixe entfernen)** def clean_filename(filename): cleaned = re.sub(r"_png\.rf\..*|_jpg\.rf\..*", "", filename) # Entfernt '.rf.<hash>' und Dateiendungen print(f"Original: {filename}, Bereinigt: {cleaned}") # Debug-Ausgabe return cleaned image_id_to_filename = {img["id"]: clean_filename(img["file_name"]) for img in coco_data["images"]} gt_annotations = {} # **3. Konvertiert Segmentierungen in Polygone für IoU-Berechnung** def segmentation_to_polygon(segmentation): coordinates = [(segmentation[i], segmentation[i+1]) for i in range(0, len(segmentation), 2)] if len(coordinates) < 4: return None # Weniger als 4 Punkte = kein gültiges Polygon return Polygon(coordinates) # **4. Ground-Truth-Annotationen nach `image_id` speichern** annotations_by_image = {} for ann in coco_data["annotations"]: img_id = ann["image_id"] if img_id not in annotations_by_image: annotations_by_image[img_id] = [] if "segmentation" in ann and len(ann["segmentation"]) > 0: polygon = segmentation_to_polygon(ann["segmentation"][0]) if polygon: annotations_by_image[img_id].append(polygon) # **5. Modell-Outputs einlesen & IoU berechnen** predictions_dir = r"C:\Users\wavet\Desktop\OneDrive\Uni\Semester 9\Bachelorarbeit\Ergebnisse_BA\Datensatzstudie\e1000\output_Prüfdatensatz_2_Skaliert" csv_output_path = r"C:\Users\wavet\Desktop\OneDrive\Uni\Semester 9\Bachelorarbeit\Ergebnisse_BA\Datensatzstudie\Auswertung_e1000\iou_results_v5.csv" def calculate_iou(polyA, polyB): intersection = polyA.intersection(polyB).area union = polyA.union(polyB).area iou = intersection / union if union > 0 else 0 print(f"Intersection: {intersection}, Union: {union}, IoU: {iou}") # Debug-Ausgabe return iou iou_results = [] for model_name in os.listdir(predictions_dir): model_path = os.path.join(predictions_dir, model_name) if not os.path.isdir(model_path): continue print(f"Verarbeite Modell: {model_name}") for json_file in os.listdir(model_path): if json_file.endswith(".json"): img_name = clean_filename(json_file.replace(".json", "")) # **6. Passende `image_id` suchen** matching_ids = [img_id for img_id, file in image_id_to_filename.items() if file == img_name] if not matching_ids: print(f"WARNUNG: Keine `image_id` für {img_name} gefunden!") continue image_id = matching_ids[0] # Falls mehrere IDs vorhanden sind, nehmen wir die erste # **7. GT-Annotationen laden** gt_polygons = annotations_by_image.get(image_id, []) # **8. Predictions laden** with open(os.path.join(model_path, json_file), "r") as f: pred_data = json.load(f) if not isinstance(pred_data, list): pred_data = [pred_data] # Falls nur eine Vorhersage vorliegt, in Liste umwandeln pred_polygons = [] for pred in pred_data: if "segmentation" in pred and len(pred["segmentation"]) > 0: polygon = segmentation_to_polygon(pred["segmentation"][0]) if polygon: pred_polygons.append(polygon) # **9. IoU berechnen** if not gt_polygons and not pred_polygons: avg_iou = 1.0 # Keine GT und keine Prediction → Perfekte Erkennung elif not gt_polygons or not pred_polygons: avg_iou = 0.0 # Nur eine der beiden vorhanden → Fehlerkennung else: total_iou = 0.0 matches = 0 used_preds = set() for gt_polygon in gt_polygons: best_iou = 0.0 best_pred = None for i, pred_polygon in enumerate(pred_polygons): if i in used_preds: continue iou = calculate_iou(gt_polygon, pred_polygon) if iou > best_iou: best_iou = iou best_pred = i if best_pred is not None: used_preds.add(best_pred) total_iou += best_iou matches += 1 missing_objects = len(gt_polygons) - matches avg_iou = (total_iou + missing_objects * 0.0) / len(gt_polygons) iou_results.append([model_name, img_name, avg_iou, np.mean([pred.get("confidence", 100) for pred in pred_data])]) # **10. Ergebnisse speichern** iou_df = pd.DataFrame(iou_results, columns=["Model", "Image", "IoU", "Confidence"]) iou_df.to_csv(csv_output_path, index=False) print(f"✅ IoU-Ergebnisse gespeichert unter: {csv_output_path}")What i checked:
- segmentation coordinates are absolute for both JSONs
- the coordinates seem to match, i was able to plot some of the prediction segmentations
- alle img_ids were assigned correctly
Questions:
- What have I been doing wrong?
- I have the feeling that there might be a much simpler way to find out how my models perform on new data and I just haven't found it yet. Is that so?
Thank you all in advance!!
Greetings, Tom
Glenn JocherUltralytics@Keletom1 hi Tom! For evaluating segmentation models, we recommend using YOLOv8's native validation mode which automatically calculates all metrics including mAP and IoU. Simply run:
from ultralytics import YOLO model = YOLO("your-model.pt") metrics = model.val(data='your-dataset.yaml')This handles all ground-truth/prediction matching and metric calculations out-of-the-box. The validation docs show how to interpret results: https://docs.ultralytics.com/modes/val/. For custom analysis, you could extend the built-in metrics calculation from our AP implementation: https://docs.ultralytics.com/reference/utils/metrics/#ap_per_class
Keletom1
Hi Glenn,
thanks (again) for your help!
That is some great information and saves quite a lot of work for me. I shoud have discovered that earlier.
Anyway i still have some minor questions regarding the validation.
- The standard output for my segmentation model are plots of precision, recall, precision/recall and F1-score (for both the box and mask predictions). Since i don't need to compare the box recognition, is there any way i can disable this output?
- The IoU is not a metric that is calculated, is it? At least it is not in the predictions.json or the plots. Any idea on how i can display or calculate it anyway? Or would you recommend to just work with precision and recall?
- Could you briefly explain what exactly the JSON displays. I was expecting coordinates under "segmentation" but it just looks like a bunch of random letters and numbers....
Here is an example of the first to images in my dataset:
{"image_id": "-0008_1_png.rf.53cbd30c302485bebd6f33083f141f1c", "category_id": 1, "bbox": [222.615, 9.455, 270.527, 614.687], "score": 0.87661, "segmentation": {"size": [640, 640], "counts": "Uh[43Uch01dPXO3P]OJRb0:n]OMha06X^OM`a08`^OLXa08h^OLPa08P_OLg`09Y_OIb`0:^_OI\\`0:d_OKS`09m_OLj?8X@Ib?:b@FV?7TAJc>7dAHU>:QBFi=:]BE^=9kBHk<9[CJ\\<8iCIP<7WDJa;5gDLo:2ZE0\\:3jELQ:4VFKd93eFOS9OSG5c8MbG3X8NmG3l7K]H7X7IPI8f6L^I4]6MiI2Q6LYJ4`5JfJ<o4EVK;c4GcK9U4HRL;b3ChL>P3DTM=f2DaM:Z2EmM=j1A]Nd0Z1\\OjNe0Q1[OUOd0g0XOCj04TO3n0lKkM@W1h4n0eKoM]OT1U5k0[KRN]OR1`5l0mJSNBn0g5X1\\JjMKm0n5Z1SJkMLl0V6X1kIlMNh0a6^1ZIjM4d0i6h1kHdM:e0o6g1dHdM<d0W7e1[HgM<c0a7g1mGfMa0`0g7S2^G]Mj0?l7U2WG\\Ml0>T8U2lF]Mn0<_8W2]F^MR19g8Z2TF]MT18l8[2mE]MV18U9X2`EbMZ14^9Y2REdM`10c9^2iDbMc10h9]2dDcMc10P:Z2YDgMf1LY:]2mCfMj1I`:b2bCfMm1Hd:b2]CfMn1Hm:^2QCkMm?W2j_OmMT2^Od;`3ZDbLh;\\3nC^L]N2Q>W3aClLl<P3QCSMP=l2iB\\MY=a2dB[Ml=\\2nAZMhN:a?W2fAmM\\>R2cAoM`>n1^AfMnN2U`0j1j@UNe?j1X@WNk?g1U@YNn?d1a1G3M1O2N5K4L2N1O1O000O011O0O10002M2O1O1OO0100O010O10O0010O0010O01O0010O01O001O010O010O1O010O001O10O01O010O100O00100O00100O00100O010O10O0100O00100O010O010O10O01O010O1O010O010O1O010O0010O010O010O01O010O001O010O010O01O0100O00010O010O010O0010O01O01O010O010O01O01O01O000010O00010O01O1O001O00_kj2"}}, {"image_id": "-0008_1_png.rf.53cbd30c302485bebd6f33083f141f1c", "category_id": 1, "bbox": [148.255, 393.207, 71.421, 246.348], "score": 0.00426, "segmentation": {"size": [640, 640], "counts": "Wgm2b0\\c0O1O00O2OO01O010100OO0O21O00N01200OO0O111O0OO2O1100N00010000N12O10OO1N030O00OO11100OM20101OO1M311O0N00O21O00OO21O10OOO1110OOO110100N1O01101NhSV8"}}, {"image_id": "-0008_1_png.rf.53cbd30c302485bebd6f33083f141f1c", "category_id": 1, "bbox": [146.245, 394.098, 186.875, 244.714], "score": 0.00358, "segmentation": {"size": [640, 640], "counts": "`_l2?\\c02O11O1O00O2OO01O010100OO0O21O0OO1020O0O00011O0OO2O1100N0001000OO21O10OO1N030O00OO11100ON1O2010N0N311O0N00O21O00OO21O10OOO1110OO0001100N1O01101N3I7N2N[og02_PXO>F2K5L4L4K5M3K5M1ON11N30OOM30N4OO1N11M3010J40N4N10M4N12M11M1OO4N2ON3O01O1NOO112N20N2N2O101L4M21O0OO3M3O1O0M3N3O001N1N30O00M3N30O01M2N21O10M2M40mjn5"}}Thank you very much!
Kind regards, Tom
Glenn JocherUltralyticsHi Tom,
-
Disabling box metrics: Currently, segmentation validation outputs both box and mask metrics together. You can safely ignore the box-related metrics/plots if you're focused on segmentation, but there's no built-in flag to disable box outputs specifically.
-
IoU calculation: While per-image IoU isn't directly output, mAP metrics (mAP50, mAP50-95) in validation results are calculated using IoU thresholds. For custom per-instance IoU calculations, see our
mask_ioufunction in the metrics utils. -
Segmentation format: The JSON uses Run-Length Encoding (RLE) for compact storage of masks. You can decode these with
pycocotools(COCO API) or use our nativeResultsclass to access polygon coordinates directly from predictions.
For deeper analysis, consider using the COCO evaluation tools which handle these formats natively.
1-
vonzo
After training I get the weights for "last" and "best", how do i know which line in the results.csv correspond to the "best" weights?
Glenn JocherUltralytics(modifié)@vonzo the 'best.pt' weights correspond to the epoch with the highest validation mAP50-95 metric. In your results.csv, look for the row where the
metrics/mAP50-95(B)column (or similar mAP column for your task) reaches its maximum value - this is the epoch where best.pt was last saved.
Aniket1210
Hello Team, How can be find latency number for TSR yolov8 model on RTX 4049 system ?
Glenn JocherUltralytics@Aniket1210 to measure latency for the YOLOv8 TSR model on an RTX 4090, you can use the
model.val()ormodel.predict()functions with theverbose=Trueparameter in the Ultralytics API to retrieve timing details. Ensure your setup leverages the GPU (device='0') for accurate benchmarking. For further guidance, refer to the Ultralytics Val documentation.
xiaoshuai123666
这是来自QQ邮箱的自动回复邮件。你好,您的邮件我已收到,感谢您的来信,我一定仔细阅读您的邮件。 ——xiaoshuai