在v5的训练过程中，使用wandb是一个很常见可视化工具，它有很多的图表，可以对训练过程中可以提取的评价指标进行可视化，今天做一个整理。
loss分为cls_loss, box_loss, obj_loss三部分。
cls_loss用于监督类别分类，计算锚框与对应的标定分类是否正确。
box_loss用于监督检测框的回归，预测框与标定框之间的误差（CIoU）。
obj_loss用于监督grid中是否存在物体，计算网络的置信度。
参考资料：https://blog.csdn.net/u011994454/article/details/119564834
mAP(IoU@0.75)，这是一个对检测能力要求更高的标准。
mAP(IoU@0.5)，跟Pascal VOC mAP标准计算方式一致；
mAP(IoU@[0.5:0.05:0.95])，需要计算10个IoU阈值下的mAP，然后计算平均值。这个评估指标比仅考虑通用IoU阈值(0.5)评估指标更能体现出模型的精度。
https://www.jianshu.com/p/fd9b1e89f983