个人理解，共同学习。图片来自于其它博客和知乎
1.Recall和Precision
Precision：判断为正的正样本在所有判断为正的样本的比例
Recall：判断为正的正样本在所有正样本的比例
这里解释一下各项的意义：
TP:判断为正的正样本
FP:判断为正的负样本（检测错的）
TN:判断为负的负样本
FN:判断为负的正样本（没检测出来的）
2.Ap
IOU阈值：一般为0.5， 将计算出的iou与此数值比较判断此框属于Positive还是False。
置信度阈值：conf_threshold，范围在0到1之间，与不同框的iou(交并比)作比较，会得到很多组的Recall和Precision。
将不同组的Recall和Precision点画在二维坐标图上，作为P-R曲线。
AP就是在P-R曲线图中取一个平滑的曲线，即每个峰值点向左画一条直线，与临近峰值点的垂直线相交，由得来的曲线与坐标轴之间的面积，即为AP值。
现在被采用的计算方法：
下图右上角的阴影面积即为Ap值。
2.mAp
mAp=Ap/类别总数
