目标检测mAP（Mean Average Precision）

TP(True Postives） IoU>0.5检测出边框的数量

FP(False Positives) IoU<=0.5检测出边框的数量

FN(False Negatives) 没有检测到gt的的数量

Precision : TP/(TP+FP) 查准率

Recall ： TP/(TP+FN) 查全率

AP： Precision-Recall 曲线下面积

mAP：各种类别AP的平均值

Retrieval cutoff	Precision	Recall
Top 1 image	100%	20%
Top 2 images	100%	40%
Top 3 images	66%	40%
Top 4 images	75%	60%
Top 5 images	60%	60%
Top 6 images	66%	80%
Top 7 images	57%	80%
Top 8 images	50%	80%
Top 9 images	44%	80%
Top 10 images	50%	100%

图来源：It’s a bird… it’s a plane… it… depends on your classifier’s threshold

假设得到的pr数据如上，我们可以得到pr图

首先要删除recell相同，并且precision小于最大值的数据，不加入计算

AP：(1 *0.2) + (1 * 0.2) + (0.75 * 0.2) + (0.66 * 0.2) + (0.5 * 0.2) = 0.782

mAP就是计算每一个AP，然后求平均值。