【深度學習小常識】什麼是mAP？
目錄
學習深度學習，總會有各種各樣的概念，對於剛入門的小白來說，真的是越看越迷糊。比如我們今天要說的，什麼是mAP？於是我問了一下度娘...
看完這個之後，我的表情是這樣的
我們看相關論文的時候，很明顯啊，這個東東和地圖有什麼關係？ 所以到底什麼是我們在深度學習論文中所說的mAP呢？
一、mAP相關概念
首先要給大家介紹幾個常見的模型評價術語，
1、正例與負例
現在假設我們的分類目標只有兩類，計為正例（positive）和負例（negtive），然後我們就能得到如下的四種情況：
（1）True positives(TP): 被正確地劃分為正例的個數，即實際為正例且被分類器劃分為正例的例項數（樣本數）；
（2）False positives(FP): 被錯誤地劃分為正例的個數，即實際為負例但被分類器劃分為正例的例項數；
（3）False negatives(FN):被錯誤地劃分為負例的個數，即實際為正例但被分類器劃分為負例的例項數；
（4）True negatives(TN): 被正確地劃分為負例的個數，即實際為負例且被分類器劃分為負例的例項數。
2、P（準確率）
P 代表 precision，即準確率，準確率表示預測樣本中實際正樣本數佔所有正樣本數的比例
準確率 = 預測樣本中實際正樣本數 / 所有的正樣本數
即 precision = TP/（TP+FP）；
3、R（召回率）
R 代表 recall ，即召回率，召回率表示預測樣本中實際正樣本數佔所有預測的樣本的比例，計算公式為：
召回率 = 預測樣本中實際正樣本數 / 預測的樣本數
即 Recall = TP/(TP+FN)=TP/P ；
一般來說，召回率越高，準確率越低。
4、AP（平均精確度）
AP 代表 Average Precision，即平均精確度。
二、mAP
1、mAP簡介
mAP 是 Mean Average Precision
mAP = 所有類別的平均精度求和除以所有類別。
2、P—R曲線
P-R曲線，顧名思義，就是P-R的關係曲線圖，表示了召回率和準確率之間的關係；我們可以在座標系上做以 precision 和 recall 作為 縱、橫軸座標 的二維曲線。
上圖就是一個P-R曲線的例子，通過這幾個例子，我們能夠發現一個規律：精度越高，召回率越低，當召回達到1時，對應概率分數最低的正樣本，這個時候正樣本數量除以所有大於等於該閾值的樣本數量就是最低的精度值。