P，R，AP, mAP, AP@0.5, mAP@0.5:0.95
IOU，Intersection of Union，两个框的交集/两个框的并集
GT，Ground-truth，真实的标注
TP，True Positive，检测结果是正确的，简称正检
FP，False Positive，检测结果是错误的，简称误检
FN，False Negative，没有检测到的目标，简称漏检
P，Precison，精准率，检测结果中检测正确所占比例
R，Recall，召回率，检测结果中正确检测个数占GT的比例
========================================================================
AP，Average Precision，AP计算一个类别，一系列Precision点，Recall点组成一个P-R曲线图，P-R曲线图下的面积就是AP
mAP，mean Average Precision，多个AP求平均值
========================================================================
AP@0.5，计算一个类别的AP，0.5是IOU_thresh的阈值，用来过滤检测框和真实框之间的重叠度IOU，IOU>0.5满足条件
AP@0.5:0.95，即[0.5, 0.55, 0.6, 0.65, 0.7, 0.75, 0.8, 0.85, 0.9, 0.95] 10个IOU_thresh阈值来画出10个P-R曲线，然后求平均值
mAP@0.5，计算多个类别（AP）在IOU_thresh=0.5的阈值的情况下的平均值
mAP@0.5:0.95，计算多个类别（AP）在IOU_thresh=[0.5, 0.55, 0.6, 0.65, 0.7, 0.75, 0.8, 0.85, 0.9, 0.95] 10个IOU_thresh阈值的情况下的平均值
========================================================================
VOC2007，计算[0:0.1:1]11个recall-point下的Precision点和Recall点值，画P-R曲线，曲线下的面积就是AP
VOC2010，计算检测值按confidence降序排序，所有confidence都当成recall-point计算Precision点和Recall点值，画P-R曲线，曲线下的面积就是AP
COCO，计算[0:0.01,1]101个recall-point下的Precision点和Recall点值，画P-R曲线，曲线下的面积就是AP
========================================================================
- 本文标题：P，R，AP, mAP, AP@0.5, mAP@0.5:0.95
- 创建时间：2022-05-28 13:48:30
- 本文链接：2022/05/28/ML/mAP-PR/
- 版权声明：本博客所有文章除特别声明外，均采用 BY-NC-SA 许可协议。转载请注明出处！
评论