TP FP precision recall AP mAP PR曲线，理解，VOC2007，计算过程，faster rcnn test，voc_eval.py 解析，caffe

本篇记录faster rcnn 中test测试结果的分析，测试采用voc2007计算规则。

其计算规则是当检测的矩形框和标注groud truth的矩形框的重叠ovthresh>0.5时则为检测正确，这个可以在voc_eval.py文件中进行修改ovthresh的值来控制。

接下来是具体的算法，（precision和recall的含义这里不做解释，大家先提前查询看懂，然后再往下看）

在测试结果显示界面，只显示了每个类别的AP值，和最终的mAP，这里先说下TP、FP、PR曲线的计算方法，最后说AP。

这里举个例子来说明，首先假设ground truth中object为6个，我们的模型检测到的为10个，

然后看下图（太麻烦，懒得打字，直接写纸上了+_+）:

通过上图，理解之后，就可以算出我们的PR曲线的横坐标和纵坐标了，然后我们就可以说AP了，

先看代码，在voc_eval.py中，该文件在datasets文件夹中，

这里我们只看if里面，因为这里的use_07_metric为true。

我只大致说一下计算原理，就是将横坐标进行11等分，取每个等分点上的精度，求其均值即为 Average Precision，也就是AP。具体看代码即可。