一种面向YOLO目标检测的自适应置信度阈值计算方法

本发明涉及一种面向YOLO目标检测模型的自适应置信度阈值计算方法，旨在提高其在不同应用场景中的适应性和准确性。置信度阈值是影响YOLO检测效果的关键参数之一，直接影响模型的检测效果。阈值过低易误检，增加误检率；过高则易漏检，降低检测率。当前，YOLO置信度阈值的设置和调节多依赖个人经验，当检测目标过多、数据集基数不足等情况，可能出现置信度阈值设置不合理，导致YOLO检测精度不足等问题。本发明提出了一种新的置信度阈值设置方法，通过训练结果混淆矩阵中的假正例率(FPR)和假负例率(FNR)及其权重参数计算置信度阈值。该方法可有效降低阈值设置对YOLO模型性能的干扰，并可根据具体应用场景的需求，灵活调整阈值计算，以实现更优的识别性能。