precision和recall，AP和mAP，ROC curve和precision recall curve

AP和mAP是目标检测和信息检索中常用的evaluation metric

计算AP需要先计算precision和recall，得到每一类的AP后，对所有类的AP做平均，就得到mAP。

注1：计算AP时需要先计算precision和recall，而计算precision和recall需要先计算IoU，并且设置threshold才能得出precision和recall。PASCAL VOC和COCO对threshold的设置采取了不同的方式，VOC采用了固定threshold的方式，即0.5；而COCO采用了多个threshold，即0,0.1,0.2......1。具体参考reference的第一个链接。

注2：

mAP的具体计算（来自知乎：https://www.zhihu.com/question/53405779/answer/419532990）

要计算mAP必须先绘出各类别PR曲线，计算出AP。而如何采样PR曲线，VOC采用过两种不同方法。参见：The PASCAL Visual Object Classes Challenge 2012 (VOC2012) Development Kit

在VOC2010以前，只需要选取当Recall >= 0, 0.1, 0.2, ..., 1共11个点时的Precision最大值，然后AP就是这11个Precision的平均值。

在VOC2010及以后，需要针对每一个不同的Recall值（包括0和1），选取其大于等于这些Recall值时的Precision最大值，然后计算PR曲线下面积作为AP值。

，衡量了算法找到正例的能力（找到的正例里面真实正例的比例）

precision等价于

，衡量了算法覆盖正例的能力（找到的正例占所有真实正例的比例）

recall等价于sensitivity

ROC curve的x轴是FPR，y轴是TPR

precision-recall curve的x轴是recall，y轴是precision

Reference

http://tarangshah.com/blog/2018-01-27/what-is-map-understanding-the-statistic-of-choice-for-comparing-object-detection-models/

https://www.cnblogs.com/aquastone/p/random-classifier.html