一.查準率和查全率

查準率=準確率（Precision）=檢索到的該類影象/檢索到的所有影象數

查全率=召回率（Recall）=檢索到的該類影象/資料庫中所有的該類影象

二.MAP(Mean Average Precision)平均精度均值

MAP可以由它的三個部分來理解：P,AP,MAP

P（Precision）精度，正確率。在資訊檢索領域用的比較多，和正確率一塊出現的是召回率Recall。對於一個查詢，返回了一系列的文件，正確率指的是返回的結果中相關的文件佔的比例，而召回率則是返回結果中相關文件佔所有相關文件的比例。相關概念如上。

MAP(Mean Average Precision)：單個主題的平均準確率是每篇相關文件檢索出後的準確率的平均值。主集合的平均準確率(MAP)是每個主題的平均準確率的平均值。 MAP 是反映系統在全部相關文件上效能的單值指標。系統檢索出來的相關文件越靠前(rank 越高)，MAP就可能越高。如果系統沒有返回相關文件，則準確率預設為0。

對一個搜尋引擎或推薦系統而言返回的結果必然是有序的，而且越相關的文件排的越靠前越好，於是有了AP的概念。對一個有序的列表，計算AP的時候要先求出每個位置上的precision，然後對所有的位置的precision再做個average。

多類別識別中，每類物體都可以根據查全率和查準率畫出一條曲線，AP就是該曲線下的面積，mAP就是多類別的AP面積的平均值。

例1：假設有兩個主題，主題1有4個相關網頁，主題2有5個相關網頁。

某系統對於主題1檢索出4個相關網頁，其rank分別為1, 2, 4, 7；對於主題2檢索出3個相關網頁，其rank分別為1,3,5。

對於主題1，平均準確率為(1/1+2/2+3/4+4/7)/4=0.83。

對於主題 2，平均準確率為(1/1+2/3+3/5+0+0)/5=0.45。則MAP= (0.83+0.45)/2=0.64。

例2：分析圖為主題1有五個相關，主題2有三個相關。主題一rank為1,3,6,9,10,主題二rank為2,5,7.

1/1，2/3，3/6，4/9，5/10

1/2，2/5，3/7

例3：

若該位置返回的結果相關，計算該位置的正確率，若不相關，正確率置為0。若返回的這四個的相關文件排在1,2,3,4號位，則對於的正確率都為1，AP也就等於1，可見計算方法是對排序位置敏感的，相關文件排序的位置越靠前，檢出的相關文件越多，AP值越大。

例4：

比如一個數據庫，男5人，女5人

系統1搜尋女，結果排序如下：

1 女

2 男

3 男

4 男

5 女

6 女

7 女

系統2 搜尋女，結果排序如下：

1 女

2 女

3 女

4 女

5 男

6 男

7 男

對於系統1：
查全率=系統檢索到的相關檔案 / 系統所有相關的檔案總數=4/5
準確率=系統檢索到的相關檔案 / 系統所有檢索到的檔案總數=4/7
mAP=（1/1+2/5+3/6+4/7）/5
對於系統2：
查全率=系統檢索到的相關檔案 / 系統所有相關的檔案總數=4/5
準確率=系統檢索到的相關檔案 / 系統所有檢索到的檔案總數=4/7
mAP=（1/1+2/2+3/3+4/4）/5

結論：系統1和系統2，查全率和準確率相同，此時用mAP來衡量系統好壞，更加有效。