Precision && Recall
对于一个二分类的问题，可以用混淆矩阵去表示。
Confusion Matrix
查准率
查全率
通俗的讲，查准率即：挑出的西瓜多少比例是好瓜；查全率：所有好瓜中有多少被挑出来
IOU:即Intersection of Union。
IOU
AP && mAP
PR曲线刻画的是Precision与Recall之间的关系，一般情况下，两者是互相矛盾的
，即Recall增加时，Precision减小。那么对于一个PR曲线，如果我们将其划分为若干区间，不同区间都计算一个Precision，则能够更加准确的评估一个二分类问题的精度。在VOC数据集中，其定义了11点的AP计算方法。
即在PR曲线上取11个点，每个点对应的Precision取其右侧最大值（一般情况下P逐渐变小，有时会震荡），然后取11个值的平均值作为这个类别的AP。
PR曲线与AP
如图所示，黄色折线为PR曲线，而绿色曲线则表示11点取值曲线（右侧P最大值）。
在图像数据集中，对于某个类别的精度：
其中即一张影像上一个物体的精度，
为实例个数，
为数据集影像数。
那么mAP即所有类别的平均精度(AP)求和，再除以类别数。即：
表示在
时的平均精度，如
、
网友评论