map平均准确率_第五篇 目标检测评价标准—MAP

MAP（Mean Average Precision）

网上关于map的帖子，博客，回答有很多，但是描述很不清楚，有的甚至有很多错误，非常难以理解，最近研究了一下map，这里记录总结一下

这里的AP指的是在不同的召回率（recall）下计算的平均准确率（average precision），因而先介绍recall（召回率）与precision（准确率）这两个基本的概念。

Recall and Precision

先给出Precision与Recall的计算公式

二分类的概念理解上述符号：
若一个任务为识别狗，那么狗为正类，猫为负类，在识别任务中，一共有10只狗，20只猫，预测为狗的有15张其中狗为7张，那么TP（true positive)是7，FP(false positive,将猫错选为狗)是8，TN（true negative，将猫看做猫）为12，FN（将狗看做猫）为3，

可以得到P=7/15，即所有判断为正类中有多少个真的正类

R=7/10，即实际为正类的样本中，有多少正类被挑选出来

A=19/30， 检测正确的概率

accuracy多为在图像分类任务重评估模型的好坏，这个比较容易理解。

而precision与recall则为两个不同维度的度量量，如果一个任务中