目标检测中的mAP浅析

当初理解这个问题时，查了很多资料，特写下自己的理解。

mAP（mean average precision ）平均精度均值

precision:检出目标正确率；

recall：目标检出率（很多人翻译为召回率，不好理解）；

经典表格

	real A	real B
test A	TP(true positive)	FP(false positive)
test B	FN(false negative)	TN(true negative)

A.precision=TP/(TP+FP)

A.recall=TP/(TP+FN)

很明显，一个目标检测系统性能的好坏，需要使用precision和recall两个参数，但是我们从小被教育‘简单才是美’，所以我们想要用一个参数来描述目标检测系统性能的好坏。这里我们引入AP（average precision）。

我们可以以precision和recall为笛卡尔坐标系的纵/横坐标轴，根据不同的recall值及其对应的precision值，绘出PR曲线，PR曲线下边的面积就是AP值。

至于不同的recall值（或precision值），可以通过改变IoU(intersection over union)值来实现。

实际上我们使用的时候并不是计算PR曲线下边的面积。假如总样本数是N，A类有M个样本，对其进行Top-N划分：