目标检测模型常用评价指标-（AP mAP）

AP

Average Precision平均精准率 = （某一个类别）每个样本的精确率求和/样本总数N。

1N∑i=1m(precisioni)\frac1N\sum_{i = 1} ^m(precision_i)N1​i=1∑m​(precisioni​)

看一个例子

对于一个给定的类别，让我们对验证集中的每张图片都计算它的精确率。假设我们的验证集中有 100 张图片，并且我们知道每张图片都包含了所有的类别（单个图片的多分类问题）。这样对于每个类别，我们会有 100 个精度率的值（每张图片一个值）。让我们对这些 100 个值进行平均。这个平均值叫做该类的平均精度：

AP=1100∑i=1100(precisioni)AP=\frac{1}{100}\sum_{i = 1}^{100}(precision_i)AP=1001​∑i=1100​(precisioni​)

mAP

全类平均正确率，又称全类平均精度， 所有类别的AP值累加求和/类别数,是将所有类别检测的平均正确率（AP）进行综合加权平均而得到，在目标检测领域，是十分重要的衡量指标，用来衡量目标检测算法的性能；

1Nclass∑AP\frac1N_{class}\sum{AP}N1​class​∑AP

有了AP的概念，mAP/Mean Average Precision就很好理解了，还是借用上面20个分类的例子,20个分类的AP均值

mAPVOC=120class∑i=120APimAP_{VOC}=\frac1{20}_{class}\sum_{i=1}^{20}{AP_i}mAPVOC​=201​class​∑i=120​APi​