理解mAP

1. precision 和 recall 的计算：

图中上部分，左边一整个矩形中（false negative和true positive）的数表示ground truth之中为1的（即为正确的）数据，右边一整个矩形中的数表示ground truth之中为0的数据。

精度precision的计算是用 检测正确的数据个数/总的检测个数。

召回率recall的计算是用 检测正确的数据个数/ground truth之中所有正数据个数。

2. AP：average precision

假设我们有数据：

一共20个图像，20行，第一列是图像index， 第二列是检测confidence， 第三列是ground truth。根据confidence从大到小排列。

每检测一个图像时，无论是正例还是负例，计算当下的precision和recall。

假设检测样本中每N个样本中有M个正例，那么我们会得到M个recall值（1/M, 2/M, ..., M/M）（由于检测N'数量正样本时，precision有不同情况）,对于每个recall值r，我们可以计算出对应（r' > r）的最大precision，然后对这些max precision取平均即得到最后的AP值。具体计算如图，top-N是指根据confidence降级排列后样本的排位号（eg. 1为confidence最大的图像9）：

3. mAP: mean average precision

多类的检测中，取每个类AP的平均值，即为mAP。