1、什么是mAP？
mAP（mean Average precision）表示各类别的平均AP
2、什么是AP？
PR曲线下的面积
3、什么是PR曲线？
以Precision为y轴，以Recall为x轴所画的曲线
4、什么是Precision和Recall
Precision: TP / (TP FP)，精确率，也叫查准率，在所有的预测正类中有多少真正类。
Recall: TP / (TP FN)，召回率，也叫查全率，在所有的真正类中有多少真正类被正确预测出来，与漏检率相对。
对于目标检测的任务场景，其中：
- TP: IoU>0.5的检测框数量（同一Ground Truth只计算一次）
- FP: IoU<=0.5的检测框，或者是检测到同一个GT的多余检测框的数量
- FN: 没有检测到的GT的数量
5、怎么画PR曲线？
（1）对检测框按得分从大到小排序
（2）对不同的IoU阈值计算出Precision和Recall，以recall为横轴，precision为纵轴画出曲线。
6、如何计算AP？
下图给出的是PASCAL VOC CHALLENGE自2010年的计算方法。该方法假设这N个样本中有M个正例，那么会得到M个recall值（1/M, 2/M, …, M/M），对于每个recall值 r，可以计算出对应（r’ > r）的最大precision，然后对这M个precision值取平均即得到最后的AP值。注意到最终计算的面积是蓝色区域的部分：
下面是改自faster rcnn中计算AP的代码：
https://github.com/rbgirshick/py-faster-rcnn/blob/master/lib/datasets/voc_eval.py
输出：
7、如何计算mAP？
AP衡量一个类别的检测好坏，mAP则是衡量多个类别检测的好坏。把所有类的AP值取平均即可得mAP。比如有两类，类A的AP值是0.5，类B的AP值是0.2，那么mAP=（0.5 0.2）/ 2=0.35。
,
