涉及概念：
平均精度（AP：Average Precision）、平均精度均值（mAP：Mean Average Precision）、查准率（precision）、查全率（recall），IOU（Intersection over Union）、置信度阈值（confidence thresholds）
查准率（precision）和查全率（recall，召回率）：
对于二分类问题，可将样例根据其真实类别与学习器预测类别的组合划分为
真正例（true positive）：预测为1，实际也为1
假正例（false positive）：预测为1，实际也为0
真反例（true negative）：预测为0，实际也为0
假反例（false negative）：预测为0，实际也为1
四种情形，令TP（真正例）、FP（假正例）、TN（真反例）、FN（假反例）分别表示其对应的样例数，则显然有TP+FP+TN+FN=样例总数。分类结果的“混淆矩阵”（confusion matrix）如表所示：
查准率P和查全率R分别定义为：
实际上（单类别）：预测为反例0则不框
查准率Precision为所有预测为1中正确预测的比例，也就是框对的/所有预测框数目；
查全率Recall为所有真实框中被成功预测出1的比例，也就是框对的/所有真框数目
一个例子为：P=“挑出来的西瓜中有多少比例是好瓜”，R=“所有好瓜中有多少比例被挑出来”。
查全率和查准率是一对矛盾的度量。一般来说查准率高时，查全率往往偏低；而查全率高时，查准率往往偏低。
平均精度（AP）和平均精度均值（mAP）
Mean Average Precision（mAP）通常在信息检索和目标检测中作为评估标准使用。在这两个领域中mAP的计算方法不同，这里主要介绍目标检测中的mAP。
目标检测中定义的mAP最先在PASCAL VisualObjects Classes(VOC) challenge中使用。至少有两个变量用来决定precison和recall，分别是IOU（Intersection over Union）和置信度阈值（confidence thresholds）。IOU（交并比）是一个简单的几何度量，可以容易地被标准化。另一方面置信度也影响模型，会改变precison _recall曲线形状。因此PASCAL VOC组织提出了一种方法来解释这个变化。
AP即为求precison_recall曲线下方的面积，即为平均精度。2010年前后计算方法不同而已。2010前时11点插值平均精度，算出来是曲线下近似面积；2010年后新方式采用在所有点插值，算出来时更加精确的曲线下方面积（因为可以减小曲线震荡摇摆的影响）。
我们需要以模型不可知的方式来作为评估模型的标准。论文中提出一种称为Average Precision（AP）的方法来计算。对给定的任务和类别，precision_recall曲线以一种方法的排序输出来计算。Recall被定义为给定序列上所有正样本的部分；precison被定义为正类别序列上的所有样本。
AP概括了precision_recall曲线的形状，被定义为在一组11个等间距recall水平[0, 0.1, 0.2,…,1]上的precision平均值（这种方法比较旧，英文叫做11-point interpolated average precision）。这意味着我们选择11个不同的置信度阈值（这决定序列）。置信度阈值的设定需要使recall值为0，0.1，0.2，…，1。这使得mAP可以纵览整个precison_recall曲线(尽量让Recall值增长的同时保持Precision的值在一个很高的水平。而性能比较差的分类器可能会损失很多Precision值才能换来Recall值的提高)。
当然PASCAL VOC CHALLENGE自2010年后就换了另一种计算方法。新的计算方法假设这N个样本中有M个正例，那么我们会得到M个recall值（1/M, 2/M, ..., M/M）,对于每个recall值r，我们可以计算出对应（r' > r）的最大precision，然后对这M个precision值取平均即得到最后的AP值。
MAP就是所有AP值的平均值。
Approximated Average precision（近似平均精度）：
对每一种阈值分别求（Precision值）乘以（Recall值的变化情况），再把所有阈值下求得的乘积值进行累加
Interpolated average precision（插值平均精度）：
不再使用当系统识别出k个图片的时候Precision的值与Recall变化值相乘。而是使用在所有阈值的Precision中，最大值的那个Precision值与Recall的变化值相乘。
上述两种求AP方法，前者与精度曲线（precision_recall）很接近，后者算出来比前者值高，一般重要的论文都使用后者，因为可以减轻抖动。PASCAL VOC CHALLENGE 就用的后者。
下面是几个在比较mAP值时需要记住的几个重点：
1、 mAP需要计算完整个数据集；
2、 虽然模型输出的绝对量化是难以解释的，但mAP可以通过一个很好的相关性标准来帮助我们。当我们在流行的公开数据集上计算这个标准时，它可以很容易地用来比较目标检测的新旧方法。 3、 根据类别在训练集上的分布方式，AP值可能在某些类别上从很高（这有很好的训练数据）变化到很低（对数据很少或不好的类别）。所以你的mAP可能是合适的，但你的模型可能对某些类别非常好而对某些类别非常差。因此当分析你的模型结果时，观察独立类别的AP是明智的。这些值可能作为添加更多训练样本的指示器。
参考链接：
https://github.com/rafaelpadilla/Object-Detection-Metrics
https://www.zhihu.com/question/53405779/answer/419532990
https://blog.csdn.net/zdh2010xyz/article/details/54293298
关键看参考链接1，但是其中关于新的voc计算方法举例中，作者为了计算简单省略了一些点，实际应该是全用。下面这个图是连接2最后的计算，为正确方式。
