准确率、召回率及mAP

最近在看毕业设计相关的论文，mAP这个性能评估指标多次出现，因此谈谈自己对mAP的理解。然而，看mAP前，我们需要先了解下P和R的概念
（1）Precision：准确率，又称查准率，指所有检索到的文件中，相关文件所占的比率。
（2）Recall：召回率，又称查全率，指所有相关文件中，检索到的文件所占的比率。

图源：http://www.vanjor.org/blog/2010/11/recall-precision/ (侵删)
注意：在实际应用中，准确率和召回率就像鱼和熊掌，不可兼得：准确率高时，召回率低；召回率高时，准确率低。

因此，我们要根据应用场景选择相应的侧重点：如果是单纯做搜索，那就是保证召回的情况下提升准确率；如果做疾病监测、反垃圾，则是保准确率的条件下，提升召回。当两者都要求高的情况下，我们可以用F1来衡量。

F1 = 2 * P * R / (P + R)

• AP：Average Precision，即对召回率取平均，也等于PR曲线下的面积。
  
• mAP：mean Average Precision，即平均AP值,常用于预测对象以及类的算法中，公式如下所示
  $$mAP=\frac{1}{Q_R}\sum _{q\in Q_R}^{q}AP(q)$$

参考链接

1. https://blog.csdn.net/JNingWei/article/details/78955536
2. https://blog.csdn.net/chenmaolin88/article/details/80445128
3. https://blog.csdn.net/b876144622/article/details/80009867
4. http://tarangshah.com/blog/2018-01-27/what-is-map-understanding-the-statistic-of-choice-for-comparing-object-detection-models/