目标识别任务中常用指标

人脸检测算法评价标准中，FDDB数据集是一个常用的评价标准，地位类似于人脸识别评价中的LFW数据集。

1.FAR(false accept rate)误识率：本该匹配失败的判别为匹配成功的次数/类间尝试总次数（假冒者尝试的总次数）

2.FRR(false rejection rate)拒识率：本该匹配成功的判别为匹配失败次数/类内匹配总次数（总的匹配成功次数）

3.TRR = 正确拒绝的次数/类间匹配的次数，TRR = 1 - FRR

4.TAR = 正确拒绝的次数/类内匹配的次数,TAR = 1 - FAR；

FAR越高，意味着假冒者被接受的可能性越高，系统安全性越低；

FRR越高，意味着合法用户被拒绝的可能性越高，系统的易用性越低；

因此，强调安全性的场合，例如金融机构，要求较低的FAR，也就是较高的阈值；一般情况下，误识率FAR 随阈值的减小（放宽条件）而增大，拒识率FRR 随阈值的减小而减小。因此，可以采用等错误率（Equal Error Rate, ERR）作为性能指标，即通过调节阈值，使这FAR和FRR两个指标相等时的FAR 或 FRR。

3.Acc(准确率)：（TP+FN）/(TP+FP+FN+TN)

4.Precision（精确度）= TP/(TP+FP)

5.TPR(true positive rate)将正例分为正类的概率，也称为recall

参考：https://www.cnblogs.com/shinedaisiki/p/10050267.html
https://blog.csdn.net/lijiao1181491631/article/details/54407830

 

mAP是AP的平均值，AP是平均精确度的意思，因为precision和recall是鱼与熊掌不可兼得的关系（PR曲线，不一定对），

只用其中一项来衡量不精确，所以有AP的定义：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 。而mAP是多分类问题时，AP的平均值。