map

README.md

@@ -517,15 +517,18 @@
 
 ## 1⃣️ 分类/Classification
 
-- #### 🐾   [classification](https://github.com/FelixFu520/classification)
+- 🐾   [classification](https://github.com/FelixFu520/classification)
+- 🐾   [classification](https://github.com/FelixFu520/LCD-luster)
 
 ## 2⃣️ 语义分割/Segmentation
 
-- #### 🐾   [segmentation](https://github.com/FelixFu520/segmentation)
+- 🐾   [segmentation](https://github.com/FelixFu520/segmentation)
 
 ## 3⃣️ 目标检测/Detection
 
-- #### 🐾   [YoloX](https://github.com/FelixFu520/YOLOX)
+- 🐾   [Yolo v1](https://github.com/TD-4/yolov1) | [notes](train/detection/yolov1.md)
+- 🐾   [Yolo v4](https://github.com/FelixFu520/YOLOX)
+- 🐾   [YoloX](https://github.com/FelixFu520/YOLOX)
 
 ## 4⃣️ 小样本/Few Shot Learning
 
@@ -537,9 +540,11 @@
 
 ## 5⃣️  异常检测/Anomaly Detection
 
-- [PaDiM Anomaly Detection](https://github.com/FelixFu520/PaDiM-Anomaly-Detection-Localization-master) | [notes](train/anomalydetection/padim.md)
-- [SPADE](https://github.com/TD-4/SPADE-pytorch)
-- [PaDim & PatchCore ](https://github.com/TD-4/anodet)
+- 🐾 [PaDiM Anomaly Detection](https://github.com/FelixFu520/PaDiM-Anomaly-Detection-Localization-master) | [notes](train/anomalydetection/padim.md)
+- 🐾 [SPADE](https://github.com/TD-4/SPADE-pytorch)
+- 🐾 [PaDim & PatchCore ](https://github.com/TD-4/anodet)
+
+## 5⃣️  图像生成/Image Generative
 
 ## 5⃣️  部署
 

train/assessment/map.md

@@ -10,6 +10,8 @@
 
 ---
 
+![](imgs/123.jpg)
+
 准确率、精确率（查准率）、召回率（查全率）、F1值、ROC曲线的AUC值、mAP都可以作为评价一个机器学习模型好坏的指标（evaluation metrics），而这些评价指标直接或间接都与混淆矩阵有关，前四者可以从混淆矩阵中直接计算得到，ROC、mAP和混淆矩阵联系密切，所以在了解这些评价指标之前，先知道什么是混淆矩阵很有必要，也方便记忆。
 
 ## 0. 混淆矩阵
@@ -384,3 +386,4 @@ AP衡量的是学出来的模型在给定类别上的好坏，而mAP衡量的是
 > - TP: IoU>0.5的检测框数量（同一Ground Truth只计算一次）
 > - FP: IoU<=0.5的检测框，或者是检测到同一个GT的多余检测框的数量
 > - FN: 没有检测到的GT的数量
+