目标检测性能评估

IoU和MAP：https://blog.csdn.net/Katherine_hsr/article/details/79266880

改进方案：

正确预测：IoU >= 0.5

错误：IoU < 0.5，或者漏检（标记目标没有被正确检出）

Acc：正确预测数量/（正确预测数量+漏检数量+误检数量）

总Acc：所有类的正确预测数量/所有类的（正确预测数量+漏检数量+误检数量）

统计算法简介：

统计算法分别记录

训练集+测试集

每个类+每个尺度

正确预测数量+漏检数量+误检数量

对训练集+测试集分别输出每类Acc+每个尺度Acc+总Acc

可信度门限：

不同的可信度门限计算出的Acc是不同的，在实际测试过程中我们不希望针对不同的可信度做多次测试。简单的处理方案是找到最优可信度。

如何找到最优可信度：对0-100可信度分别统计总Acc，选择最大值Acc对应的可信度。

标签处理简介：

性能评估过程中需要加载标签数据，为了简化处理，算法加载一个内部VCA标签，此标签在样本数据转换过程中生成。

数据在训练前的转换过程中按照一定比例随机分成训练集和测试集两个部分，在做性能评估时需要对训练集和测试集分别计算，因此生成的内部VCA标签需要区分此样本数据训练集还是测试集。