转载内容 如有侵权 或 不希望被转载 可以留言或私发告诉我，我会及时处理，尊重你的权利。
原文链接[https://aistudio.baidu.com/aistudio/projectdetail/2213799]
在机器学习领域中，用于评价一个模型的性能有多种指标，其中几项就是FP、FN、TP、TN、精确率(Precision)、召回率(Recall)、准确率(Accuracy)。
mean Average Precision, 即各类别AP的平均值，是AP：PR 曲线下面积。
此前先了解一下IOU评判标准：
TP、FP、FN、TN
常见的评判方式，第一位的T,F代表正确或者错误。第二位的P和N代表判断的正确或者错误
- True Positive (TP): IoU>IOUthreshold IoU>IOUthreshold (IOU的阈值一般取0.5)的所有检测框数量（同一Ground Truth只计算一次），可以理解为真实框，或者标准答案
- False Positive (FP): IoU<IOUthreshold IoU<IOUthreshold 的所有检测框数量
- False Negative (FN): 没有检测到的 GT 的数量
- True Negative (TN): mAP中无用到
查准率（Precision）: Precision =TPTP+FP=TP all detections =T**P+FPT**P= all detections T**P
查全率（Recall）: Recall =TPTP+FN=TP all ground truths =T**P+FNT**P= all ground truths T**P
二者绘制的曲线称为 P-R 曲线： 查准率：P 为纵轴y 查全率：R 为横轴x轴，如下图
mAP值即为，PR曲线下的面积。
