目标检测中的mAP(mean Average Precision)快速理解

前言

最近开始接触目标检测（object detection）但是对于衡量算法好坏的mAP（Mean Average Precision）并不太理解，经过了一番整理，下面我们就来看看什么是mAP。

在目标检测算法中，像是Faster R-CNN, SSD等等，mAP都可以很好的用来衡量这些算法的精确度。

简介

首先我们看看AP，也就是average precision，平均准确率。其实一开始看到这个概念我是有些迷惑的，什么叫做平均准确率，那为什么又要加上平均呢？哈哈，这里先卖个关子，后面会解释~

那么AP是什么呢，举个栗子，我们在做检测的时候肯定不是只有一张图片，一定是一个数据集里面的一堆数据进行训练，然后测试。那么在一堆数据里面，假设有人这个类别，那么肯定，每张图片的人我们都会得到一个准确率，把所有人的类别准确率相加平均，就是AP啦。

那么mAP呢？容许我继续卖个关子，我们看看引入mAP的原因，相信大家就会理解mAP是什么以及引入的原因啦~

引入mAP原因

相信有很多小伙伴刚刚接触目标检测的时候，一定和我一样，会不由得想到为什么我们要引入一个如此‘’麻烦‘’的数据作为检测网络的衡量标准呢？

原因其实很简单，因为我们检测的不仅仅是某一类数据

打一个比方，比如说有一个负责检测‘人’和‘狗’的目标检测网络，它对于‘人’这个类别的识别准确率（特别注意一下这里