DeepLearning有很多性能指標，如：准確率、召回率、mAP等。其中，准確率、召回率在VSLAM檢測回環中早已見過，這里簡單總結下。我翻開破舊的
《視覺SLAM十四講》，找到如下截圖：
在這里舉一個例子（女生是P，即使正例，男生是N，即負例）:
TP：正確地將正例（女）找出來的數量，即：20
FP：錯誤地將負例（男）找出來的數量，即：30，（錯誤地）把負搞成正【錯檢】 ---> acc
FN：錯誤地將正例（女）找出來地數量，即：0， （錯誤地）把正搞成負【漏檢】---> reacall
TN：正確地將負例（男）找出來地數量，即：50
顯然上述出現的字母組合都可以翻譯為一句話。
當置信度大於等於0.9時，人為是正例，所以TP = 1， FP = 0， FN = 2（錯誤的將前景當成背景，第2、3張圖）
所以mAP就是，上圖曲線圍成地積分面積。取值范圍為1。
可以看到，准確率和召回率是一個對立統一地的矛盾。