混淆矩阵与评价指标

mAP(mean of Average Precision)，是object detection中模型性能的衡量标准

混淆矩阵(confusion matrix)衡量分类型模型准确度中最基本直观的方法

$TN$ (true negative) 将负类预测成负类

$TP$ (true positive) 将正类预测成正类

$FN$ (false negative) 将正类预测成负类 (type Ⅰ error)

$FP$ (false positive) 将负类预测成正类 (type Ⅱ error)

常见的评测指标:

准确率(Accuracy)是所有预测中预测正确的比率

$$Acc = \frac{TP+TN}{TP+TN+FP+FN}$$

精确率(Presicion)是在所有预测为正例中真正例的比率，即预测的准确性

$$P = \frac{TP}{TP+FP}$$

召回率(Recall)是在所有正例中被正确预测的比率，即预测正确的覆盖率

$$R = \frac{TP}{TP+FN}$$