学习地址：https://www.bilibili.com/video/BV1ez4y1X7g2?spm_id_from=333.999.0.0
COCO Evaluation Result
怎样才算检测正确？
常见指标解释：
TP(True Positive): loU>0.5的检测框数量（同一Ground Truth只计算一次)
FP(False Positive): loU<=0.5的检测框（或者是检测到同一个GT的多余检测框的数量)
FN(False Negative): 没有检测到的GT的数量(漏检的)
Precision: TP/(TP + FP)模型预测的所有目标中，预测正确的比例 (查准率)
【假设一张有多个目标的图中只检测出一个目标，此时，TP=1，FP=0，Precision = 1,显然单用Precision是不能够正确评判模型好坏】
Recall: TP/(TP + FN)所有真实目标中，模型预测正确的目标比例 (查全率)
【同样如果TP=1，FP=100，FN=0Precision = 1,显然单用Recall是不能够正确评判模型好坏】
-->因此结合两个指标评判目标检测准确率
AP: P-R曲线下面积
P-R曲线: Precision-Recall曲线
mAP, mean Average Precision,即各类别AP的平均值（每一个类别有一个AP，多个目标取平均值）
存在：pascal voc和coco两个评价指标AP的值差别较大的问题，待解决
COCO数据集评价指标的含义
1、Average Precision(AP): 这里的AP就是上述的mAP
2、AP Across Scales: small、medium、large小中大目标的AP，能够得到模型对不同尺度物体的检测效果
3、Average Recall(AR): 每张图片最多提供 max = maxDets个目标检测框，此时对应的查全率
4、AR Across Scales: 对应不同目标尺度时，查全率(AR)的值
一般要看Iou metric : bbox中
1、第2行：Pascal Voc数据集的评价指标 AP的值
2、第1行：COCO数据集的评价指标 AP的值
存在问题：pascal voc和coco两个评价指标AP的值差别较大