目标检测指标(IOU,mAP)

目前，目标检测模型中性能评估的几个重要参数有定位准确率，精确度和召回率。

定位准确率可以通过检测窗口与我们自己标记的物体窗口的重叠度，即Intersection-Over-Union(IOU)进行度量。设标记窗口为 A ，检测窗口为 B ，则 IOU 的计算公式如下：

其中分子部分表示 A 与 B 窗口的重叠部分面积，分母部分表示 A 与 B
窗口的面积总和。显而易见，IOU 的值在[0,1]之间，同时 IOU 越接近 1
表示两个窗口重叠部分越多，定位准确度也就越好，反之则越差。在 Pascal VOC Challenges中 IOU 设置为 0.5，Microsoft coco 中将 IOU 设置为 0.5-1.0 的综合评价值。随着 IOU 数值的提高，侧面说明了目标检测技术的提升。

IOU示意图：

识别精度主要是由召回率（recall）和精度（precision）表示的。通过绘制
precision-recall 曲线，该曲线下方的面积越大，识别精度也就越高，反之越低。

在说明 recall 和 precision 计算公式之前需要先介绍几个数据定义。

在一个数据集检测中，会产生四类检测结果：
TP：本来是正样本，检测为正样本&#x