1 mAP简介
mAP（mean Average Precision）, 即各类别AP的平均值。
AP (Average precision)是主流的目标检测模型的评价指标，PR曲线下面积。再介绍AP之前，我们先来回顾一下需要用到的几个概念precision，recall以及IoU。
Precision（精准率）:TP / (TP + FP)
Recall（召回率）: TP / (TP + FN)
PR曲线: Precision-Recall曲线
IoU:交并比（上文已详细介绍）

2 Precision（精准率）和Recall（召回率）
一组图片中，里面有若干待检测的目标，Precision就代表我们模型检测出来的目标有多大比例是真正的目标物体，Recall就代表所有真实的目标有多大比例被我们的模型检测出来了。
目标检测任务是找出物体是啥、在哪。（1）物体的分类（2）定位

Precision（精准率）:TP / (TP + FP)
Recall（召回率）: TP / (TP + FN)

3 PR曲线
Precision（精准率）和Recall（召回率）在某些情况下是矛盾的。比如极端情况下，我们只检测出了一个结果，且是准确的，那么Precision就是100%，但是Recall就很低；而如果我们把所有结果都返回，那么必然Recall必然很大，但是Precision很低。
假设我们的数据集中共有5个待检测的物体，我们的模型给出了10个候选框，我们按照模型给出的置信度由高到低对候选框进行排序。
需要记住一个叫累加的概念，就是下表的 ACC TP 和 ACC FP

Precision = ACC TP / (ACC TP + ACC FP)
Recall = ACC TP / 5 （5表示待检测的物体数）
以Recall值为横轴，Precision值为纵轴，我们就可以得到PR曲线，如下程序。

4 AP(Average Precision)
AP就是平均精准度，简单来说就是对PR曲线上的Precision值求均值。对于pr曲线来说,就是曲线面积，我们使用积分来进行计算，公式如下。

在实际应用中，我们并不直接对该PR曲线进行计算，而是对PR曲线进行平滑处理。即对PR曲线上的每个点，Precision的值取该点右侧最大的Precision的值，公式如下。

用该公式进行平滑后再用上述公式计算AP的值。

5 mAP（mean Average Precision）
通常来说AP是在单个类别下的，mAP是AP值在所有类别下的均值。
AP衡量的是模型在每个类别上的好坏，mAP衡量的是模型在所有类别上的好坏，得到AP后mAP的计算就变得很简单了，就是取所有类别AP的平均值。