一文读懂Accuracy，precision，recall

首先，需要区分四个概念：TP（True Positive，真阳性），TN（True Negative，真阴性），FP（False Positive，假阳性）以及FN（False Negetive，假阴性）。
举例：有10个人来检测糖尿病，其中1，3，5号有糖尿病，剩下的没有，即1，3，5号为正样本，2，4，6，7，8，9，10为负样本。
我们的糖尿病系统检测结果是，1，3，6号有糖尿病，剩下的没有。

• TP：在这10个人中，1号和3号被检测为正样本，同时检测正确，因此TP就等于2；
• TN：2，4，7，8，9，10号被检测为负样本，同时检测也是正确的，因此TN就是6
• FP：6号病人，虽然被检测为正样本，但是检测结果是错的，因此FP是1
• FN：5号病人， 虽然被检测为负样本，但是检测结果也是错的，FN就是1.

1. 准确率（Accuracy）

准确率计算了预测正确的样本数，占总样本数的比例：
Accuracy = n_correct / n_total = (TP + TN) / (TP + TN + FP + FN)

• 局限性：
  当两类样本数量很不均衡时，accuracy就不能很好的反映模型的性能了。比如，总样本中，负样本占95%，那么即使模型将所有样本都预测成负样本，accuracy还是可以高达95%。但是显然，这个模型是不具备正确区分两类样本的能力的。

2. 精度（Precision）和召回（Recall）

考虑模型返回的前N个正样本，

• 精度计算了这N个返回的正样本中，预测正确的比例：
  Precision = TP / N = TP / (TP + FP) .
• 召回计算了这N个返回的正样本中预测正确的样本数，占真正总的正样本数的比例：
  Recall = TP / (TP + FN)
  通常，为了使精度变高，模型会趋于保守，只有非常肯定某个样本是正样本时，才将其作为正样本输出，但是这样会使得很多相对不肯定的正样本被错误判断为负样本，从而降低召回。因此，精度和召回不能只考虑单一的一方面，这也就有了P-R曲线：
• P-R曲线 综合考虑了精度与召回，其横轴是召回，纵轴是精度。通过调节阈值，大于该阈值的为正样本，小于该阈值的为负样本，使得召回可以从0，0.1，0.2一直取到1，计算出每个召回对应的精度，就可以画出一条曲线，称为P-R曲线。下图的b和c就是两个P-R曲线，可以看到，随着recall不断增加，precision是在下降的。
• F1值是另一个综合考虑精度和召回的指标，其计算公式为：
  F1 = 2PR/(P+R)，也就是精度和召回的调和平均值。

3. ROC曲线

• ROC曲线全称Receiver Operating Characteristic Curve（受试者工作特征曲线）。其横坐标为FPR（False Positive Rate，假阳性率），纵坐标为TPR（True Positive Rate，真阳性率）。计算方法为：
  FPR = FP / (FP + TN) = FP / Neg,
  TPR = TP / (TP + FN) = TP / Pos = Recall.
  绘制ROC曲线的方法与P-R曲线类似，通过调节阈值，绘制出不同的FPR及其对应的TPR。
• AUC指的是ROC曲线下的面积大小，通过对ROC曲线进行积分，就可以计算得到AUC。AUC取之在0.5～1之间（如果小于0.5，把正负样本预测对调一下就行了），AUC越大，表明模型把真正的正样本排的越靠前，相应的性能就越好。

4. ROC曲线和P-R曲线比较

如下图，ac是ROC曲线，bd是P-R曲线，可以看到，ROC曲线的横纵坐标走势是相同的，而P-R曲线则是反着的。
不管是Precision，还是Recall，其实P-R曲线只考虑了正样本（预测对多少个正样本，以及找出来多少正样本），而ROC曲线即考虑了正样本（TPR，找出来多少正样本），也考虑到了负样本（找错了多少负样本）。当正负样本比例发生变化时，P-R曲线的形状会发生较大的变化，而ROC曲线则比较稳定。
因此，ROC曲线能够更加稳定的反映模型本身的好坏，适用于更多的场景。但是，当希望观测到特定数据集上的表现时，P-R曲线则可以更直观的反映其性能。

5. COCO中的mAP

这个问题困扰我好久了，今天终于搞得差不多了。检测（或者实例分割）中的mAP，也就是mean Average Precision，其实跟二分类的AP很像。不同之处在于，检测结果不仅要给出bounding box，还要给出类别；第二，bounding box跟ground truth的框不可能完全重合，需要定义怎样算预测对了，怎样算预测错了。

• AP， AP@X
  我们用预测的框和gt的IoU（交并比）来衡量预测的正确性，设置一个阈值（比如0.5），如果IoU大于0.5，则认为这个框预测对了，作为正样本输出（True）；否则，就是负样本（False）。
  假设某一类一共有5个ground truth object，我们预测出了10个框，将这些框按照置信度（检测网络一般每个框会输出一个置信度）排序，结果如下：
  
  
  第一个框，预测正确，此时precision就是1，recall是1/5=0.2.
  到第三个框，预测错误，此时precision是2/3=0.67，recall是2/5=0.4，
  。。。
  这样，我们可以得到一系列recall对应的precision，画出它的P-R曲线。这里又一个对precision进行修正的过程，也就是下图的绿色折线。将每个Recall r对应的precision，修正为recall大于等于r时，能达到的最大的precision。
  

从recall=0，到recall=1，将这11个precision加起来求平均，就是这一类的average precision。

所有类的AP平均，得到的就是IoU阈值为0.5的AP，即AP@50。有的地方也把这个值称为mAP，需要看具体语境。

• mAP
  上面我们得到的是某一个IoU作为阈值的AP，也就是AP@X。以0.5作为起点，0.05步长，0.95终点，我们可以得到0.5， 0.55， 0.6， 。。。， 0.95一共10个值，将这10个值分别作为IoU阈值，就能得到AP@50， AP@55， 。。。，AP@95.
  mAP = (AP@50+AP@55+...+AP@95)/10
  这个结果，对应的就是下表里的AP。
  
  YOLOv3
  
  更详细的关于mAP的介绍，可以参考https://zhuanlan.zhihu.com/p/55575423，写得挺好的。