关于Precision，Recall，mAP

网上说的很多，但我看不懂…
解释下P，N，F，T
P，N：一张图片输入网络后，出来一堆的pred_box，这些box都有预测类别结果。Precision，Recall是按照类别来计算的，比如我整个网络包含，猫，狗，小鸟三个类别，我现在要计算猫这一类别的Precision，Recall。那么P就表示预测结果中预测类别为猫的样本，正样本。N就表示其他类别，狗和小鸟，都是负样本。（划重点，无论有多少剩余类别，都是负样本，这里网上老喜欢只说两个类别，误导性很强）

F，T：注意，这里的F，T不是上述P，N分类是否正确，而是 将pred_box（所有，P和N）与猫这一类别的gt box计算iou，大于阈值，即为T，小于阈值，F。注意，gt只使用当前正样本猫的gt，其余gt忽略。（划重点，也是我一直没搞清的地方）因为只使用正样本的类别的gt，所以自带分类效果。