DeepLearning有很多性能指标，如：准确率、召回率、mAP等。其中，准确率、召回率在VSLAM检测回环中早已见过，这里简单总结下。我翻开破旧的
《视觉SLAM十四讲》，找到如下截图：
在这里举一个例子（女生是P，即使正例，男生是N，即负例）:
TP：正确地将正例（女）找出来的数量，即：20
FP：错误地将负例（男）找出来的数量，即：30，（错误地）把负搞成正【错检】 ---> acc
FN：错误地将正例（女）找出来地数量，即：0， （错误地）把正搞成负【漏检】---> reacall
TN：正确地将负例（男）找出来地数量，即：50
显然上述出现的字母组合都可以翻译为一句话。
当置信度大于等于0.9时，人为是正例，所以TP = 1， FP = 0， FN = 2（错误的将前景当成背景，第2、3张图）
所以mAP就是，上图曲线围成地积分面积。取值范围为1。
可以看到，准确率和召回率是一个对立统一地的矛盾。