TP是正樣本預測爲正樣本html
FP是負樣本預測爲正樣本post
FN是本爲正,錯誤的認爲是負樣本測試
TN是本爲負,正確的認爲是負樣本spa
precision就是在識別出來的圖片中(預測爲正樣本的圖片是識別出的圖片),TP所佔的比值:htm
precision=TP/(TP+FP)blog
recall就是被正確識別出來的正樣本個數與測試集中全部正樣本的個數的比值:圖片
recall=TP/(TP+FN)ci
accuracy=(TP+TN)/(TP+FP+FN+TN)it
IoU就是系統預測出來的框與原來圖片中標記的框的重合程度。即檢測結果Detection Result與 Ground Truth 的交集比上它們的並集,即爲檢測的準確率: io
IoU=(DetectionResult⋂GroundTruth)/(DetectionResult⋃GroundTruth)
mAP是多類的檢測中,取每一個類AP的平均值。AP(average precision)就是這個曲線下的面積,這裏average等因而對recall取平均。而mAP(mean average precision)的mean,是對全部類別取平均。