本文详细介绍了目标检测中mAP（Mean Average Precision）的计算原理，包括精度、召回率、AP、PR曲线等概念，并探讨了阈值的影响，以及如何使用pycocotools进行mAP的计算。
1、主要参考了
mAP的计算方法_海棠遇上玉兰的博客-CSDN博客_map怎么计算
和
voc数据集的map计算方式_pursuit_zhangyu的博客-CSDN博客_voc数据集map
2、原理
2.1 精度和召回率
精度precision：查准率
召回率recall：查全率
注意：
（1）精度中，TP是检测正确的，FP是被错误的检测到的（不该检测的被检测到了）。
（2）召回率中，TP是正确检测的，FN是没有被检测到的（该检测的没检测到）。
分类的识别结果有四种：下面都针对狗这个分类的计算
True positives（TP） : 狗的图片被正确的识别成了狗。（找到了正确类，你对了！）
False positives（FP）: 猫的图片被错误地识别成了狗。（你错了）
True negatives（TN）:
最低0.47元/天 解锁文章
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
