目标检测中的mAP浅析

当初理解这个问题时，查了很多资料，特写下自己的理解。

mAP（mean average precision ）平均精度均值

precision:检出目标正确率；

recall：目标检出率（很多人翻译为召回率，不好理解）；

经典表格

	real A	real B
test A	TP(true positive)	FP(false positive)
test B	FN(false negative)	TN(true negative)

A.precision=TP/(TP+FP)

A.recall=TP/(TP+FN)

很明显，一个目标检测系统性能的好坏，需要使用precision和recall两个参数，但是我们从小被教育‘简单才是美’，所以我们想要用一个参数来描述目标检测系统性能的好坏。这里我们引入AP（average precision）。

我们可以以precision和recall为笛卡尔坐标系的纵/横坐标轴，根据不同的recall值及其对应的precision值，绘出PR曲线，PR曲线下边的面积就是AP值。

至于不同的recall值（或precision值），可以通过改变IoU(intersection over union)值来实现。

实际上我们使用的时候并不是计算PR曲线下边的面积。假如总样本数是N，A类有M个样本，对其进行Top-N划分：

Top-N划分

top-N	precision	recall	max precision	AP
1	1/1	1/3	1/1=1	//
2	2/2	//:与下方单元格合并	//	//
3	2/3	//	//	//
4	2/4	//	//	//
5	2/5	//	//	//
6	2/6	//	//	//
7	2/7	2/3	2/2=2	//
8	3/8	//	//	//
9	3/9	//	//	//
10	3/10	3/3	3/8	(1+1+3/8)/3=19/24

表格中以N=10，M=3为例，计算AP值。

至于mAP的计算，实际上目标检测不可能只是一类目标，我们将各类的AP值求加权平均和就得到了mAP值。