TP是正样本预测为正样本html
FP是负样本预测为正样本post
FN是本为正,错误的认为是负样本测试
TN是本为负,正确的认为是负样本spa
precision就是在识别出来的图片中(预测为正样本的图片是识别出的图片),TP所占的比值:htm
precision=TP/(TP+FP)blog
recall就是被正确识别出来的正样本个数与测试集中全部正样本的个数的比值:图片
recall=TP/(TP+FN)ci
accuracy=(TP+TN)/(TP+FP+FN+TN)it
IoU就是系统预测出来的框与原来图片中标记的框的重合程度。即检测结果Detection Result与 Ground Truth 的交集比上它们的并集,即为检测的准确率: io
IoU=(DetectionResult⋂GroundTruth)/(DetectionResult⋃GroundTruth)
mAP是多类的检测中,取每一个类AP的平均值。AP(average precision)就是这个曲线下的面积,这里average等因而对recall取平均。而mAP(mean average precision)的mean,是对全部类别取平均。