深度学习——mAP 计算

0、引言

本文仅作为学习mAP相关知识点的记录，主要参考博文为Bubbliiiing大佬所创作的以及百度飞桨相关在线课程，在此表示感谢

睿智的目标检测20——利用mAP计算目标检测精确度

1、IoU（交并比）

在中学数学中，我们学习了交集、并集，而在深度学习中，使用交并的概念设计了交并比IoU用以评估预测质量，简单来说就是计算预测框与标注框的交集面积、并集面积，当IoU值越大时，则表明预测结果与标注结果越接近。公式如下图所示：

2、Precision（准确率）

T是True；
F是False；
P是Positive；
N是Negative。

T或者F代表的是该样本 是否被正确分类。
P或者N代表的是该样本 被预测成了正样本还是负样本。
正样本代表分类正确、负样本代表分类错误
TP（True Positives）意思就是被分为了正样本，而且分对了。 正正
TN（True Negatives）意思就是被分为了负样本，而且分对了。正负
FP（False Positives）意思就是被分为了正样本，但是分错了（事实上这个样本是负样本）负负
FN（False Negatives）意思就是被分为了负样本，但是分错了（事实上这个样本是正样本）负正

precision（精准度）指分类器找出TP与TP+FP的比