faster r-cnn中评价检测算法中的指标

小鱼在用faster r-cnn进行目标检测时，必不可少要对结果进行评价，业界统一的评价检测指标是看RP曲线和AUC的值。看了很多网上别人写的归纳，这里做一个统一，也是怕自己忘记，又要去翻天覆地的搜索。
为方便理解，不被绕晕，先举一批数据例子和一张说明图：
某池塘有1400条鲤鱼，300只虾，300只鳖。现在以捕鲤鱼为目的。撒一大网，逮着了700条鲤鱼，200只虾，100只鳖。
说明图：

指标1：Precision（准确率又叫查准率）：表示检测出来的条目中有多少是准确的
precision=A/(A+B)=700/（700+200+100）=70%

指标2：Recall（召回率又叫查全率）：表示准确的条目中有多少是被检测出来的
recall=A/（A+C）=700/1400=50%

指标3：F1=2*P*R/(P+R)，一般不用

指标4：AP或mAP：反应全局性能的指标，为RP曲线（Precision-Recall）的面积值，在疾病检测中，一般都是保准确率的条件下来提升召回率。

指标5：ROC：全名叫做Receiver Operating Characteristic。关注两个指标，TPR（true positive rate）和FPR（false positive rate）
先来一张图方便理解

那么TPR=TP/(TP+FN)=600/(600+200)=75%，表示正例分对的概率
FPR=FP/(FP+TN)=100/(100+100)=50%，表示负例错分为正例的概率

指标6：AUC（Area Under roc Curve），表示ROC曲线的面积，0.5