目标检测类mAP等衡量指标的含义和计算方法

1、IoU(Intersection over Union):

预测框与Ground truth（真实框）的交集与并集的比值。这个量也被称为Jaccard指数。

计算公式

                                                            

2、TP(True Positive):

loU>0.5的检测框数量  (同一Ground Truth只计算一次)，意思就是预测的样本被分为了正样本，且分对了（即本来就是正样本）。

3、TN(True Negatives):

意思就是预测的样本被分为了负样本，且分对了（即本来就是负样本）。

4、FP(False Positive):

loU<=0.5的检测框  (或者是检测到同一个GT的多余检测框的数量)，意思就是预测的样本被分为了正样本，但是分错了（即本来是负样本）。

5、FN(False Negative):

没有检测到的GT的数量，IoU=0，意思就是预测的样本被分为了负样本，但是分错了（即本来是正样本）。

6、GT(Ground Truth): 

ground truth包括图像中物体的类别以及该图像中每个物体的真实边界框。

7、Precision:

TP / (TP +FP)模型预测的所有目标中，预测正确的比例 （又称为查准率）
 

8、Recall:

召回率，计算方式为TP / (TP ＋FN)所有真实目标中，模型预测正确的目标比例（又称为查全率）
 

10、AP:

AP为平均精度，使用积分来计算PR曲线与坐标轴围成的面积。

计算方式如下：

                                                   

 
11、P-R曲线:

Precision-Recall曲线(即以Precision 和 recall作为纵横坐标的二维曲线。

12、mAP:

(mean Average Precision) ，即各类别AP的平均值。AP 是计算某一类 P-R 曲线下的面积，mAP 则是计算所有类别 P-R 曲线下面积的平均值。

简而言之：AP衡量一个类别的检测效果好坏，mAP则是衡量多个类别检测效果的好坏。把所有类的AP值取相加然后除以类别总数，即可得mAP。比如有两类，类1的AP值是0.8，类2的AP值是0.4，那么mAP=(0.8 + 0.4)/ 2=0.6。
 

后续更新相应的计算代码