目标检测类mAP等衡量指标的含义和计算方法

IoU(Intersection over Union): 预测框与ground truth的交集与并集的比值。这个量也被称为Jaccard指数。

TP(True Positive): loU>0.5的检测框数量  (同一Ground Truth只计算一次)
 

FP(False Positive): loU<=0.5的检测框  (或者是检测到同一个GT的多余检测框的数量)

GT(Ground Truth): ground truth包括图像中物体的类别以及该图像中每个物体的真实边界框。

FN(False Negative): 没有检测到的GT的数量，IoU=0

Precision: TP / (TP +FP)模型预测的所有目标中，预测正确的比例 （又称为查准率）
 

Recall: TP / (TP ＋FN)所有真实目标中，模型预测正确的目标比例（又称为查全率）
 

AP: AP为平均精度，使用积分来计算PR曲线与坐标轴围成的面积。

计算方式如下：

 
P-R曲线: Precision-Recall曲线(即以Precision 和 recall作为纵横坐标的二维曲线。

mAP: (mean Average Precision) ，即各类别AP的平均值。AP 是计算某一类 P-R 曲线下的面积，mAP 则是计算所有类别 P-R 曲线下面积的平均值。

简而言之：AP衡量一个类别的检测效果好坏，mAP则是衡量多个类别检测效果的好坏。把所有类的AP值取相加然后除以类别总数，即可得mAP。比如有两类，类1的AP值是0.8，类2的AP值是0.4，那么mAP=(0.8 + 0.4)/ 2=1.2。
 

后续更新相应的计算代码