目标检测map的计算演化 从voc到coco

https://zhuanlan.zhihu.com/p/37910324
如何计算map，ap，一般按IOU阈值 = 0.5 来进行计算PR曲线
代码见： 深度学习之pytorch 物体检测实战，种第一章

通过对各个类别的ap进行分析，对其低的进行分析添加训练样本提升总的map

IoU是一个简单的几何度量，可以很容易标准化，比如在PASCAL VOC竞赛中采用的IoU阈值为0.5，而COCO竞赛中在计算mAP较复杂，其计算了一系列IoU阈值（0.5至0.95，间隔0.05）下的AP再取平均值。

它是直接把mAP当成AP，然后再把IOU值大于0.5的AP(mAP)，以0.05的增量,到0.95，也就是以(0.5, 0.55, 0.6, 0.65, 0.7, 0.75, 0.8, 0.85, 0.9, 0.95)IOU值的AP(mAP)的平均值当成AP(at IoU=.50:.05:.95)，mscoco进行这样IOU增量平均的考虑可能是：只以0.5IOU为阀值的时候不一定就是更好的模型，可能仅仅在0.5阀值表现的很好，在0.6,0.7…阀值表现的很差，为了更好地评估整体模型的准确度，从而计算一个模型在各个IOU值的AP(mAP)，取平均值。