1. 什么是ap?
在目标检测领域，用来衡量检测效果的指标。
详细例子和计算过程见：https://www.jianshu.com/p/fbb96bb49782，下面概述
a)对于每个预测的box, 按照score 排序 b)计算true positive, false positive, false negtive, 因为是对一个box算，所以非零即一，按照score排序，计算累计precision和recall, 在precision/recall坐标中画出累计计算的每个点，c）计算曲线下方的面积，从而得到ap值。
对于mot17中person detection, 因为目前网络都比较厉害，所以前面的score 比较高的非常多的box, 都是对的即，precison=1, recall=1,从而累计多个box,pr曲线都十分上方。到了很后面的一些box,才会出现很多precison=0, recall=0，所以precision会往下掉
如下面两张图，来自 https://motchallenge.net/results/MOT17Det/?chl=9&orderBy=AP&orderStyle=ASC, 第一张图，precision都降低到0.4以下了，说明有超过60%的box检测错误了。即这张图，曲线的最后一个点才是整个检测结果的精度。所以虽然第一张图，虽然ap最好，即曲线下方面积最大，可是有超过60%的box检测错误，最后一张图，虽然ap,曲线下方面积略低，但是最有一个点，说明约90%的box检测正确，只有约10%的box检测错误。
2. resnet构建fpn,res2的相对于原图尺寸，变化有多大？
resnet50可视化见https://ethereon.github.io/netscope/#/gist/df717cef7858bc69f8477c8db55a1cb7，
res2最后的输出res2c相对与原图，缩放了1/4
