目标检测入门（二）衡量检测的好坏

和学习一样，经过训练之后的网络也有好坏之分，今天总结几个衡量学习成果的好坏

先来了解一下混淆矩阵的概念，如上图所示。TP表示预测为正向（比如确定cat类）,实际为True，其他类推。

IoU (Intersection over Union )

IoU为预测框（数据集标注框）与预测框的并集/交集

Ap与mAp

AP衡量的是学习出来的模型在每个类别上的好坏。
mAP衡量的是学出的模型在所有类别上的好坏。mAP就是取所有类别上AP的平均值。

AP计算就是计算pr曲线的下部分面积，不同的数据集有不同的计算方法。

检测速度

前传耗时(ms): 从输入一张图像到输出最终结果所消耗的时间，包括前处理耗时(如图像归一化)、网络前传耗时、后处理耗时(如非极大值抑制)

每秒帧数 FPS (Frames PeR Second)：每秒钟能处理的图像数量

浮点运算量(FLOPS)：处理一张图像所需要的浮点运算数量, 跟具体软硬件没有关系,可以公平地比较不同算法之间的检测速度。