Explore

Pengertian Hasil Training

⁠

image.png failed to upload

⁠

🔍 Ringkasan Cepat

✅ Model sangat akurat (mAP50 = 0.995)

✅ Recall = 1 → tidak ada object yang terlewat

⚠️ mAP50-95 masih 0.75 → masih bisa ditingkatkan

⚠️ Loss masih agak tinggi → model belum “super stabil”

⁠

📊 Penjelasan Tiap Metric

1. Epoch = 99

Artinya model sudah training hampir 100 iterasi (cukup banyak). 👉 Biasanya ini sudah cukup untuk convergence.

⁠

2. Learning Rate (lr = 0.000022)

Nilainya kecil → model sudah masuk fase fine-tuning (halus) 👉 Ini normal di akhir training.

⁠

3. mAP50 = 0.995 (🔥 sangat tinggi)

Ini artinya:

Model hampir 100% benar mendeteksi object

Dengan toleransi IoU 0.5 (standar cukup longgar)

👉 Kesimpulan: Deteksi object sudah sangat bagus

⁠

4. mAP50-95 = 0.756

Ini lebih ketat (IoU dari 0.5 sampai 0.95)

👉 Artinya:

Bounding box belum selalu presisi sempurna

Masih ada sedikit “geser” atau tidak pas di objek

📌 Target bagus biasanya:

0.8 = sangat bagus

0.75 = good, tapi masih bisa improve

⁠

5. Precision = 0.938

Artinya:

Dari semua prediksi, 93.8% benar

👉 Masih ada sedikit false positive (deteksi yang salah)

⁠

6. Recall = 1 (🔥 perfect)

Artinya:

Semua object berhasil terdeteksi

Tidak ada yang miss

👉 Ini sangat bagus untuk use case industri (tidak ada yang lolos)

⁠

7. Loss (train)

Table 1

Table 1

Metric

Nilai

Arti

box loss

0.76

posisi bbox cukup baik

cls loss

0.81

klasifikasi masih bisa improve

dfl loss

0.95

distribusi bbox belum optimal

There are no rows in this table

⁠

👉 Idealnya:

Semua loss < 0.5 → lebih stabil

Want to print your doc?
This is not the way.

Try clicking the ··· in the right corner or using a keyboard shortcut (

CtrlP

) instead.