车辆重识别(Re-ID)中的mAP和Rank-k评测指标

1. mAP(mean Average precision)

mAP(mean Average precision，平均精度均值)是目标检测和多标签图像分类等任务中常用的评测指标，因为这类任务中的标签数量大多不止一个，因此不能用普通的单标签图像的分类标准，即mean accuracy。mAP指将多类任务中的平均精度（AP）求和再取平均。mAP的相对大小是衡量一个同类任务模型好坏的重要标准之一。下面就mAP的产生分别进行阐述：
（1）准确率（Precision）&召回率（Recall）
假设样本总图像数为 ，预测目标数为 ，干扰目标数为 ，预测正确的正样本数（True Positive）为TP，预测错误的正样本数（False Positive）为FP，预测正确的负样本数（True Negative）为TN，预测错误的负样本数（False Negative）为FN。则准确率（Precision）、召回率（Recall）分别定义如下：

                                                     

Precision和Recall的区别如图所示：