目标检测中的评价指标mAP含义

阅读论文的时候经常看到有一个评价指标mAP，我们都知道mAP的值越高越好，但mAP到底是什么含义，起什么作用，为什么越高越好？

1.计算过程

  1. 有计算mAP我们首先要计算出AP的值。
  2. 计算AP的值我们又需要计算召回率Recall以及准确率Precision。
  3. 计算Recall和Precision我们又需要知道模型预测的样本中的情况，比如预测对的positive样本数量、预测错误的positive样本数量等。
  4. 一般在检测任务中我们要给预测的样本分类需要用到IoU(交并比，预测框与真实框的交集和并集的比)，我们设置某个阈值，计算出的IoU>阈值时为TP(True positive)，IoU<=阈值时为FP(False positive)；还有TN(True negative)，FN(False negative)。

2. 名词含义

  1. TP：True positive，预测正确的positive样本。
  2. FP：False positive，本来为Negative样本，被错误的预测成了Positive样本。
  3. FN：False negative，本来为Positive样本，被错误的预测成了Negative样本。
  4. Precision：TP/(TP + FP)，也可写作TP/预测Positive个数
  5. Recall：TP/(TP + FN)，为了方便理解，可以直接写成：TP/真实Positive 个数
  6. PR曲线：横坐标为Recall，纵坐标为Precision，构成了曲线。
  7. AP：PR曲线构成的面积。
  8. mAP：mean Average Precision，各个类别AP的平均值。

下图时维基百科中对主要计算式的定义：

神经网络中mse是什么意思 神经网络map值是什么意思_卷积神经网络

3. AP的两种计算方式

  1. 在VOC 2010以前，构建PR曲线时横坐标即Recal选择11个点，{0，0.1，0.2，…，1}，选择当Recall大于等于各个点的值时的Precision中的最大值，再取这11个precision的平均值。
  2. 在VOC 2010及以后，需要针对计算得出的每一个Recall值，也包含坐标中的0与1，选取大于等于这些Recall值时的Precision最大值，计算PR曲线构建的面积就是AP的值。

4. mAP含义理解

经过上面的学习我们也对mAP的计算过程有了一定的理解，mAP的计算和recall与precision的值相关。
上面讲到FP、TP的值受IoU阈值设置的影响，也就是说当阈值设置的较大时也就意味着对预测的要求较高，这也就使得precision的值很高，而recall的值很低(我们放弃了一些得分较低的真实positive样本)。
当阈值设置较小时，我们对预测的要求降低，precision的值就会很低，而recall的值就会很高。

recall高precision低或recall低precision高都不是最理想的结果，而mAP的值就可以衡量precision和recall总体的优劣。