模型评估

Top-1 Accuracy和Top-5 Accuracy是指什么
我们知道ImageNet有大概1000个分类，而模型预测某张图片时，会给出1000个从高到低排名的概率,表示网络预测该图片属于各类的概率

• Top-1 Accuracy是指排名第一的类别与实际结果相符的准确率
• Top-5 Accuracy是指排名前五的类别包含实际结果的准确率

AP(average precision)和MAP（mean average precision）

AP是precision的平均，针对某个类，MAP是针对多个类别（M）的AP取平均

TP=True Postive=真阳性        FP=False Postive=假阳性
FN=False Negative=假阴性    TN=True Negative=真阴性

准确度（Acc）=（TP+TN）/（TP+TN+FN+FP）
精度（Precision）=TP/(TP+FP)
召回率（Recall）=TP/(TP+FN)
F1值（F1-score）=2*TP/(2*TP+FP+FN)

PR曲线：不同confidence会对应不同的TP，FP，将不同confidence下Precision与Recall组成的点连接起来就形成了P_R曲线。

AP：P-R曲线下的面积

mAP：各类别AP的平均值

TP（true Positive）：iou>0.5的检测框数量。

FP（False Positive）：iou<=0.5 的检测框。

FN（False Negative）：没有检测到的GT（ground truth）数量