当初理解这个问题时，查了很多资料，特写下自己的理解。
mAP（mean average precision ）平均精度均值
precision:检出目标正确率；
recall：目标检出率（很多人翻译为召回率，不好理解）；
| real A | real B | |
| test A | TP(true positive) | FP(false positive) |
| test B | FN(false negative) | TN(true negative) |
A.precision=TP/(TP+FP)
A.recall=TP/(TP+FN)
很明显，一个目标检测系统性能的好坏，需要使用precision和recall两个参数，但是我们从小被教育‘简单才是美’，所以我们想要用一个参数来描述目标检测系统性能的好坏。这里我们引入AP（average precision）。
我们可以以precision和recall为笛卡尔坐标系的纵/横坐标轴，根据不同的recall值及其对应的precision值，绘出PR曲线，PR曲线下边的面积就是AP值。
至于不同的recall值（或precision值），可以通过改变IoU(intersection over union)值来实现。
实际上我们使用的时候并不是计算PR曲线下边的面积。假如总样本数是N，A类有M个样本，对其进行Top-N划分：
| top-N | precision | recall | max precision | AP |
| 1 | 1/1 | 1/3 | 1/1=1 | // |
| 2 | 2/2 | //:与下方单元格合并 | // | // |
| 3 | 2/3 | // | // | // |
| 4 | 2/4 | // | // | // |
| 5 | 2/5 | // | // | // |
| 6 | 2/6 | // | // | // |
| 7 | 2/7 | 2/3 | 2/2=2 | // |
| 8 | 3/8 | // | // | // |
| 9 | 3/9 | // | // | // |
| 10 | 3/10 | 3/3 | 3/8 | (1+1+3/8)/3=19/24 |
表格中以N=10，M=3为例，计算AP值。
至于mAP的计算，实际上目标检测不可能只是一类目标，我们将各类的AP值求加权平均和就得到了mAP值。
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
