一些概念
| True | |||
| Predict | True postive | False postive | 預測為正類 |
| False negivate | True negivate | 預測為負類 | |
| 真實為正類 | 真實為負類 | ||
precision--檢測准確率 = tp/(tp + fp)
recall--漏檢率（召回率）= tp/(tp + fn)
IOU( intersection-over-union)--表示網絡預測框與標注框的重合程度
若黃框為網絡的預測結果，綠框為標注結果，IOU=（黃∩綠）/（黃∪綠），在目標檢測中，IOU大於某一閾值時認為目標被檢測出來
mAP（mean average precision）--平均精度均值，衡量目標檢測算法的精確度
多個類別物體檢測中，每一個類別都可以根據recall和precision繪制一條曲線，AP就是該曲線下的面積，mAP是多個類別AP的平均值