⽬标检测常⽤的性能指标：ｍAP、IoU、FPS、NMS、top1，top5
mAP
这⾥⾸先介绍⼏个常见的模型评价术语，现在假设我们的分类⽬标只有两类，计为正例（positive）和负例（negtive）分别是：累了倦了
1）True positives(TP): 被正确地划分为正例的个数，即实际为正例且被分类器划分为正例的实例数（样本数）；
2）Fal positives(FP): 被错误地划分为正例的个数，即实际为负例但被分类器划分为正例的实例数；
广元旅游景点大全3）Fal negatives(FN)：被错误地划分为负例的个数，即实际为正例但被分类器划分为负例的实例数；
我发现了含羞草的秘密
4）True negatives(TN): 被正确地划分为负例的个数，即实际为负例且被分类器划分为负例的实例数。
P 代表precision即准确率， 计算公式为 预测样本中实际正样本数 / 所有的正样本数 即 precision=TP/（TP+FP）；
R代表recall 即召回率， 计算公式为 预测样本中实际正样本数 / 预测的样本数即 Recall=TP/(TP+FN)=TP/P
陶渊明的诗词
⼀般来说，precision和recall是鱼与熊掌的关系，往往召回率越⾼，准确率越低
AP 即 Average Precision即平均精确度闭嘴的英文
mAP 即 Mean Average Precision即平均AP值，是对多个验证集个体求平均AP值，作为 object dection中衡量检测精度的指标。
P-R曲线
P-R曲线即 以 precision 和 recall 作为 纵、横轴坐标 的⼆维曲线。通过选取不同阈值时对应的精度和召回率画出
总体趋势，精度越⾼，召回越低，当召回达到1时，对应概率分数最低的正样本，这个时候正样本数量除以所有⼤于等于该阈值的样本数量就是最低的精度值。
不成熟的表现另外，P-R曲线围起来的⾯积就是AP值，通常来说⼀个越好的分类器，AP值越⾼
智能电视系统总结
在⽬标检测中，每⼀类都可以根据 recall 和 precision绘制P-R曲线，AP就是该曲线下的⾯积，mAP就是所有类AP的平均值。
IOU（交并⽐）
Interction-over-Union，是⽬标检测中使⽤的⼀个概念，是⼀种测量在特定数据集中检测相应物体准确度的⼀个标准。
IOU表⽰了产⽣的候选框（candidate bound）与原标记框（ground truth bound）的交叠率或者说重叠度，也就是它们的交集与并集的⽐值。相关度越⾼该值。最理想情况是完全重叠，即⽐值为1。
计算公式如下：
NMS(⾮极⼤抑制)
NMS即non maximum suppression即⾮极⼤抑制，顾名思义就是抑制不是极⼤值的元素，搜索局部的极⼤值。
在物体检测中，NMS 应⽤⼗分⼴泛，其⽬的是为了清除多余的框，找到最佳的物体检测的位置。
FPS
除了检测准确度，⽬标检测算法的另外⼀个重要性能指标是速度，只有速度快，才能实现实时检测，这对⼀些应⽤场景极其重要。评估速度的常⽤指标是每秒帧率（Frame Per Second，FPS），即每秒内可以处理的图⽚数量。当然要对⽐FPS，你需要在同⼀硬件上进⾏。另外也可以使⽤处理⼀张图⽚所需时间来评估检测速度，时间越短，速度越快。
食材大全
top1error,top5correct
top1-----就是你预测的label取最后概率向量⾥⾯最⼤的那⼀个作为预测结果，如过你的预测结果中概率最⼤的那个分类正确，则预测正确。否则预测错误
top5-----就是最后概率向量最⼤的前五名中，只要出现了正确概率即为预测正确。否则预测错误。
