在模型训练完成之后，需要对模型的优劣作出评估，YOLO系列算法的评价指标包括：

1. 准确率（Precision）：指模型预测为正样本中实际为正样本的比例。

        𝑇𝑃、𝐹𝑃、𝑇𝑁、𝐹𝑁分别代表被模型预测为正类的正样本、被 模型预测为正类的负样本、被模型预测为负类的负样本和被模型预测为负类的正 样本。𝑃表示正确预测的正样本在所有被预测为正样本中的百分比，𝑅表示正确预 测的正样本在所有正样本中的百分比。|𝑄𝑅|表示目标类别的数量，𝑞表示检测目标 的类别，𝐴𝑃(𝑞)表示类别𝑞的𝐴𝑃值。 

2. 召回率（Recall）：指实际为正样本中模型预测为正样本的比例。

3. F1值（F1-score）：综合考虑准确率和召回率的指标，由准确率和召回率的加权调和平均值计算而得。

4. 平均准确率均值（mean average precision，mAP）：用于衡量模型在不同类别上的平均准确率。mAP是多个类别准确率的均值。

5.FPS（Frame Per Second）：评估模型检测速度时常用的指标是 FPS，即每秒帧率， 表示每秒内可以检测的图片数量。

6.参数量（Params）：Params 被用来评估模型的空间复杂度。

7.浮点运算次数（GFLOPs）：GFLOPs 被用来评估模型的 时间复杂度。

论文中需要使用这些指标，对比不同模型，确定哪些模型是优秀的。如图所示：