mAP是衡量模型在所有类别上的准确率,是衡量模型的好坏的评价指标。mAP=所有类别的AP之和/类别数,AP是某一个类别的准确率,AP=每张图片的P之和/图片数量,P=(一张图片上某一类别识别的正确数量)/一张图片上某一类别的总数量
比如现在有三张图片,两个类别a,b
第一张图片有两个a,两个b,正确识别出a一个,正确识别出b一个,则这张图片a的P=1/2,b的P=1/2
第二张图片有三个a,两个b,正确识别出a两个,正确识别出b一个,则这张图片a的P=2/3,b的P=1/2
第三张图片有四个a,两个b,正确识别出a三个,正确识别出b一个,则这张图片a的P=3/4,b的P=1/2
则a的AP=(1/2+2/3+3/4)/3=23/36,b的AP=3*(1/2)/3=1/2
则mAP=(23/36+1/2)/2=41/72