目标检测评价之AP&mAP

参考：https://blog.csdn.net/lppfwl/article/details/108018950

经常看见目标检测论文里面的评价指标是AP（mAP）-FPS图像，其实本质也是衡量模型的精度和速度。关于计算AP的基础概念参考链接即可。

step1：在测试集上运行侦测网络，得到NMS去重以后的结果boxes。

step2:对于每一类别分别计算AP，以一张图片的一个类别为例：

假设一张测试图片上有3个类别为dog的目标，网络侦测后输出了5个框。如图所示：

将输出的5个框分别和3个实际框（也就是GT-BOX）做iou，最大的iou_max则是和相应的GT框对应，用这个iou_max去和一个阈值iou_thr进行比较，若iou_max>iou_thr，则人为这个输出框是预测准确了的，否则认为是negative，并且在GT-BOX和侦测框中去掉对应的框。

计算一次P-R点，P代表精确度（查准率），R代表查全率。如何计算，查其他资料即可。

重复上面的步骤，直到把这个类别计算完成。

计算完后，这个类别的AP值就是曲线下的面积。

step3：所有类别的mAP计算（我自己认为把这个计算值称为AP可能比较合理，但是目前资料也没有统一定义）

分别求出其他类的AP值，然后求和后除以类别数。

step4：前面涉及到阈值iou_thr，iou_thr不同，得到的AP也不一样，也可以计算一个mAP。