1.以mAP@50为例

1. m是不同类别AP50的均值

2. AP50的定义：(50的含义是iou阈值 为0.5)

已知：
所有测试集图片中某一类目标，
有m个标签真实框（框坐标）；n 个预测宽（置信度+框坐标）

若：
① 预测框与真实框的IOU大于IOU_T(=0.5),则这个样本为真正例TP += 1；

② 如果小于阈值，则没框上的标签框导致 FN += 1，框错的预测框导致FP += 1

3. 在这基础上，使用置信度Score划拉预测框的个数，计算PR曲线上的点，根据曲线下的面积算AP值。

———————————————————————————
准确率： P = TP / P 正确识别 / 总预测

召回率：R = TP / TP+ FN 正确识别 / 总真实

其他思考：

1.mAP50 与map（voc2007）的概念一致，两者等价

参考：

[1] http://cocodataset.org/#detection-eval

版权声明：本文为CSDN博主「胡戈戈」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_41176708/article/details/120859980