YOLO · 2026年3月11日

YOLO 模型验证 / 评估

from ultralytics import YOLO

# 加载训练好的模型
model = YOLO("runs/train/sample/weights/best.pt")

# 执行验证（等价于命令行参数）
results = model.val(
    data="/workspace/data/coco128.yaml",  # 验证数据集配置
    save_hybrid=True,                     # 生成融合标注+预测的标签
    conf=0.001,                           # 极低置信度阈值
    save_txt=True,                        # 保存预测框的txt文件（可选）
    save_conf=True,                       # 保存框的置信度（可选）
    plots=True                            # 生成可视化图表（混淆矩阵、PR曲线等）
)

# 打印核心指标
print(f"mAP@0.5: {results.box.map50:.4f}")
print(f"mAP@0.5:0.95: {results.box.map:.4f}")
# 打印各类别召回率（重点看小目标类别）
for cls, recall in zip(results.names, results.box.recall):
    print(f"类别 {cls} 召回率: {recall:.4f}")
Python

其中的 model 和 data 需要根据具体项目的信息进行添加

您可能还喜欢...