目标检测评价指标mAP

1、IOU（交并比）

IOU（Intersection over Union）是指模型预测的bbox和真实的gt bbox的交集和并集之间的比值。

2、TP、TN、FP、FN

• TP（True Positives）：本来是正样本，被预测为正样本
• TN（True Negatives）：本来是负样本，被预测为负样本
• FP（False Positives）：本来是负样本，被预测为正样本
• FN（False Negatives）：本来是正样本，被预测为负样本

3、Precision（精度）和Recall（召回率）

• Precision表示所有被预测为正样本的部分中真正为正样本的部分所占比例。（查准率）
  $$Precision=\frac{TP}{TP+FP}$$

• Recall表示所有确实是正样本的部分中被预测（被召回）为正样本的概率（查全率）

$$Recall=\frac{TP}{TP+FN}$$

4、AP（平均精度）

AP（Average Precision）是指某一类别下的平均精度，指PR曲线下的面积。coco数据集中不区分mAP和AP。

4.1 PR曲线

1. 根据IOU来计算Precision和Recall

   根据预测框与真实框的IOU是否大于0.5来判断是TP还是FP。剩下没有被检测到的真实框为FN。因此对于每一个预测框可以计算出一个Precision和Recall。

2. 根据不同置信度阈值计算Precision和Recall

   根据每个预测框的置信度从高到低排序。在不同置信度阈值下计算Precision和Recall。忽略掉置信度在阈值之下的预测框。置信度大于阈值的算Positive，置信度小于阈值的算Negative。

   置信度阈值选取得越低，Recall就越高，Precision就越低。则可以根据不同的阈值计算出不同的Precision和Recall。

   	IOU>=0.5	IOU<0.5
   置信度大于阈值	TP	FP
   置信度小于阈值	FN	TN

随着选定的置信度阈值的变化，Precision和Recall不断变化。利用这些不同的Precision和Recall绘图，计算PR曲线下的面积就是该类别的AP，把所有类别的AP都算出来就得到了mAP（mean Average Precision)。