多標籤影象分類（Multi-label Image Classification）任務中圖片的標籤不止一個，因此評價不能用普通單標籤影象分類的標準，即mean accuracy，該任務採用的是和資訊檢索中類似的方法—mAP（mean Average Precision）。mAP雖然字面意思和mean accuracy看起來差不多，但是計算方法要繁瑣得多。

P-R曲線的繪製

1. 用訓練好的模型得到所有測試樣本的confidence score，本例中某一類有20個測試樣本。（每一類的P-R曲線、AP均單獨計算）
   
2. 對該類的confidence score排序，得到：
   
3. 計算top-1到top-N（N是所有測試樣本個數，本文中為20）對應的precision和recall，這兩個標準的定義如下：
   
   
   直觀的理解就是，第一次我們排序後第一個樣本的confidence作為劃分正負樣本的閾值，此時，只有第一個判斷為正，其他均為負樣本（因為其他樣本的confidence均小於第一個樣本的confidence），計算該閾值情況下的recall(1/1=1)和precision(1/1=1)；然後第二次將排序後第二個樣本的confidence作為劃分正負樣本的閾值，依次類推到最後一個。顯然隨著閾值的降低，我們選定的樣本越來也多，recall一定會越來越高，而precision整體上會呈下降趨勢。把recall當成橫座標，precision當成縱座標，即可得到常用的precision-recall曲線。這個例子的P-R曲線如下：
   

AP的計算

PASCAL VOC CHALLENGE自2010年後就換了新計算方法。新的計算方法假設這N個樣本中有M個正例，那麼我們會得到M個recall值（1/M, 2/M, …, M/M）,對於每個recall值r，我們可以計算出對應（r’ > r）的最大precision，然後對這M個precision值取平均即得到最後的AP值。計算方法如下：​

相應的Precision-Recall曲線中被用於計算AP的部分如下（每一個recall的節點都取precision的最大值連線起來）：

mAP的計算

AP衡量的是學出來的模型在每個類別上的好壞，mAP衡量的是學出的模型在所有類別上的好壞，得到AP後mAP的計算就變得很簡單了，就是取所有AP的平均值。

注：本文修改自原文，有增刪。