YOLOv12 训练结果如何评估？实测best.pt

视频讲解：

训练完成后的模型可以在run/train/exp/weights路径下找到，best.pt

另外也可以查看训练的各种维度的曲线图，bounding box，分类，还有平均精度等等，只要接近收敛到比较小，以及train和val差别不是很离谱，都算正常

混淆矩阵，用来判断是否将某些分类混淆了，比如同一列有超过一行以上的值

Precision曲线，置信度越高，精确率越高，TP/TP+FP，表示预测的精确率

Recall曲线，召回率，TP/TP+FN，实际为P样本中T的比例（为什么是TP+FN，因为不是判断对了就是判断错了，也可以是TN/TN+FP）

精度越高，召回率也高是最希望看到的

使用best.pt，脚本如下，随便从网上下载测试两张手势图片测试，仅用于学习测试，侵删~

from ultralytics import YOLO

if __name__ == '__main__':
    model = YOLO(model=r'/home/dar/dev/yolo/dataset/gesture/num_gesture/runs/train/exp9/weights/best.pt')  
    model.predict(source=r'/home/dar/dev/yolo/dataset/gesture/num_gesture/test_images/35.jpg',
                  save=True,
                  show=False,
                  project='/home/dar/dev/yolo/dataset/gesture/num_gesture/runs/detect',
                  name='predict',
                  )

有两个手的，虽然识别正确，但置信度就差了很多，并且左侧有识别错误的bbox和类别，因为样本中都是单个手

本文来自论坛，点击查看完整帖子内容。