Términos

Mean Average Precision

Sigue la cobertura, explicaciones e historias tecnológicas relacionadas.

Última cobertura

CN
¿Por qué no basta con un modelo listo para usar? Una lección práctica sobre el ajuste fino de modelos de detección de objetos con datos reales

¿Por qué no basta con un modelo listo para usar? Una lección práctica sobre el ajuste fino de modelos de detección de objetos con datos reales

JetBrains demuestra, mediante un experimento con YOLO12, YOLO26 y RF-DETR, que los modelos preentrenados con COCO pueden acercarse a cero al trasladarse directamente a dominios especializados, mientras que el ajuste fino mejora los resultados en distinta medida. El experimento revela que la similitud del dominio objetivo con los datos de entrenamiento, junto con la precisión de localización y el tiempo de inferencia, son más importantes que confiar en la clasificación del modelo como el más reciente o el mejor.

CN
Más allá de la puntuación global: cómo las diferencias entre países revelan la fiabilidad de los modelos de detección de espigas de trigo

Más allá de la puntuación global: cómo las diferencias entre países revelan la fiabilidad de los modelos de detección de espigas de trigo

Una reevaluación de nueve modelos para detectar espigas de trigo muestra que el mAP medio global puede ocultar grandes diferencias de rendimiento entre países. China encabezó todos los modelos, mientras que las zonas de debilidad variaron entre YOLO y RF-DETR, lo que hace necesario medir el cambio entre dominios antes del despliegue sobre el terreno.