mAP平均精度均值(Mean Average Precision)

在机器学习领域，大多数常见问题通常会有多个模型可供选择。每个模型会有自己的特性，并会受到不同因素的影响而表现不同。

每个模型的好坏是通过评价它在某个数据集上的性能来判断的，这个数据集通常被叫做“验证/测试”数据集。这个性能由不同的统计量来度量，包括准确率（ accuracy ）、精确率（ precision ）、召回率（ recall ）等等。选择我们会根据某个特定的应用场景来选择相应的统计量。而对每个应用来说，找到一个可以客观地比较模型好坏的度量标准至关重要。
平均精度均值是目标检测问题中最常用的度量标准

准确率（查准率、查全率）Precision：

召回率 Recall：

把recall当成横坐标，precision当成纵坐标，即可得到常用的precision-recall曲线，这条曲线是单调递减的。

AP的计算是：首先设定一组阈值，[0, 0.1, 0.2, …, 1]。