深度学习中的mAP，AP,Precision精确率，Recall召回率，Accuracy准确率

AP值
Average Precision，即 平均精确度 。

如何衡量一个模型的性能，单纯用 precision 和 recall 都不科学。于是人们想到，为何不把 PR曲线下的面积 当做衡量尺度呢？于是就有了 AP值 这一概念。这里的 average，等于是对 precision 进行 取平均 。

mAP值
Mean Average Precision，即 平均AP值 。

是对多个验证集个体 求 平均AP值 。

目标检测中mAP的具体计算

• TP: IoU>0.5的检测框数量（同一Ground Truth只计算一次）
• FP: IoU<=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
• FN: 没有检测到的GT的数量

由前面定义，我们可以知道，要计算mAP必须先绘出各类别PR曲线，计算出AP。而如何采样PR曲线，VOC采用过两种不同方法。

在VOC2010以前，只需要选取当Recall >= 0, 0.1, 0.2, ..., 1共11个点时的Precision最大值，然后AP就是这11个Precision的平均值。

在VOC2010及以后，需要针对每一个不同的Recall值（包括0和1），选取其大于等于这些Recall值时的Precision最大值，然后计算PR曲线下面积作为AP值。

 

VOC中的mAP

 

COCO中的mAP

 

参考：

https://www.cnblogs.com/makefile/p/metrics-mAP.html

https://zhuanlan.zhihu.com/p/43068926

https://www.zhihu.com/question/53405779

https://blog.csdn.net/zhihua_oba/article/details/78677469