模型性能指标mAP:
1.某个类别C,在某一张图片上,
首先计算C在一张图片上的Precision=一张图片上类别C识别正确的个数(一般认为IoU>0.5)/一张图片上类别C的总个数
2.此类别C,可能在多张图片上有该类别,下面计算类别C的AP(average Precision)指数:AP=每张图片上的Precision求和/含有类别C的图片数目
3.对于整个数据集而言,存在多个类别,不仅仅只有C,可能还会有C1、C2、C3:mAP=上一步计算的所有类别的AP和/总的类别数目,
相当于所有类别的AP的平均值
AP衡量的是对一个类检测好坏,mAP就是对多个类的检测好坏。就是简单粗暴的把所有类的AP值取平均就好了,也就是对模型的一个评价。
具体细节请参考:理解目标检测当中的mAP