一些概念
| True | |||
| Predict | True postive | False postive | 预测为正类 |
| False negivate | True negivate | 预测为负类 | |
| 真实为正类 | 真实为负类 | ||
precision--检测准确率 = tp/(tp + fp)
recall--漏检率（召回率）= tp/(tp + fn)
IOU( intersection-over-union)--表示网络预测框与标注框的重合程度
若黄框为网络的预测结果，绿框为标注结果，IOU=（黄∩绿）/（黄∪绿），在目标检测中，IOU大于某一阈值时认为目标被检测出来
mAP（mean average precision）--平均精度均值，衡量目标检测算法的精确度
多个类别物体检测中，每一个类别都可以根据recall和precision绘制一条曲线，AP就是该曲线下的面积，mAP是多个类别AP的平均值
