目标检测 记录对AP、mAP、P-R曲线的理解

最初也是看了许多相关知识，总是不理解怎么计算AP、mAP, 借助简单的数字检测识别任务，对AP、mAP尝试计算后，总算是理解了。下面我对计算过程简单进行一个记录。

1. 获取预测结果、Ground_Truth

1.1 数据形式示例

任务：数字（0~9）检测识别

首先需要获取模型对图像的检测结果，如下列形式的数据（一幅图像）：

预测结果:  # [x0, y0, x1, y1, class, score]  
[[171, 199, 206, 252, 1, 0.9266], 
[206, 198, 242, 251, 4, 0.9749], 
[137, 198, 170, 252, 5, 0.8894]] 
Ground_Truth:  #  [x0, y0, x1, y1, class]  
[[133, 197, 168, 251, 5], 
[171, 197, 205, 251, 1],
[208, 197, 243, 251, 4]] 

1.2 检测数据示例

上面只是一幅图像检测结果的举例， 而通常对测试集进行检测，会得到许多预测值：

预测结果如下:  # [x0, y0, x1, y1, class, score]  

[[171, 199, 206, 252, 1, 0.9266], 
[206, 198, 242, 251, 4, 0.9749], 
[137, 198, 170, 252, 5, 0.8894]] 
[207, 106, 286, 198, 1, 0.8885], 
[129, 111, 204,