yolo模型的混淆矩阵

yolo模型生成的混淆矩阵，background是代表样本中不是目标的图像，下图的横坐标为true,纵坐标为predicated(crop,weed),crop-background则是将background预测为crop的类别。
想问一下，其中的分类错误的0.73和0.27，是如何计算出来的吗？
样本中也没有单独安排背景图片，这个background的总量的怎么得到的吗？
还有就是单单看这个模型感觉分类效果也挺好的？不知道我的判断有没有出错，希望得到大家的指正。

分类错误是根据你的样本的预测值和实际分类值的比率算出的

• 这篇文章：YOLO系列模型笔记 也许能够解决你的问题，你可以看下