evaluation/docs/yolov5s_evaluation.md

YOLOv5s 性能批量评估示例

概述

本项目展示 YOLOv5s 通过 Netrans 量化后的性能评估实现方案。基于 YOLOv5s 模型，在 Netrans 工具下进行量化，测试将量化后的 NBG 文件部署到板卡，替换 YOLOv5 的推理部分，通过 mAP50 指标评估量化效果。

基准参考： PC 端运行 yolov5s.onnx 的 mAP50 为 0.71（COCO128 数据集，128 张图片）

---

评估指标

指标	说明
P (Precision)	精确率
R (Recall)	召回率
mAP50	IoU 阈值为 0.5 时的平均检测精度，综合衡量 P 和 R，值越高模型整体性能越好
mAP50-95	不同 IoU 阈值（0.5-0.95）下的综合性能，阈值越高要求定位越精准

---

环境搭建

步骤 1：下载 YOLOv5 并安装依赖

cd ~/wsp
mamba activate netrans
git clone https://github.com/ultralytics/yolov5.git
cd ~/wsp/yolov5
pip install -r requirements.txt

步骤 2：下载 evaluation 项目并安装依赖

git clone https://gitlink.org.cn/nudt_dsp/evaluation.git
pip install websockets jsonrpcclient

步骤 3：移动推理脚本到工作目录

mv ~/wsp/yolov5/evaluation/src/val_pnna.py ~/wsp/yolov5/

---

执行评估

运行评估脚本，自动下载 COCO128 数据集到 ~/wsp 目录：

cd ~/wsp/yolov5
python val_pnna.py

结果保存在 ~/wsp/yolov5/val 目录下。

---

评估结果

Class     Images  Instances     P          R      mAP50   mAP50-95
all        128        929      0.678      0.651   0.709    0.474

---

作者：liangliangou