平均精度解释
Mean Average Precision interpretation
我有一个关于如何解释这个 mAP 指标的问题，例如，如果一个物体检测器得到一个 48 的 mAP。这是一个好的结果吗？或者如果你的 AP 是 50，有什么不同吗？
他又回到了IoU，难道如果是mAP50，就是检测到IoU为50（差不多一半）的照片，所以图像不会检测到所有的东西，但是它能不能给出结果不可靠？
欢迎任何帮助。
我建议你阅读这篇文章Intuition behind Average Precision and MAP[1] and Breaking Down Mean Average Precision (mAP), I find them very helpful. But, difference between a 48 or 50 AP, it's that 50 AP it's a litle better. Here's a little part of [1]：
"例如，假设我们正在搜索一朵花的图像，并且我们向我们的图像检索系统提供了一张玫瑰的样本图片（查询），我们确实得到了一堆排名图像（从最可能到最不可能可能）。通常不是所有的都是正确的。所以我们计算每个正确返回的图像的精度，然后取平均值。如果我们返回的结果是
1, 0, 0, 1, 1, 1
则每个正确点的精度为：到目前为止（包括当前）遇到的正确图像的数量除以到目前为止看到的图像总数。
1/1, 0, 0, 2/4, 3/5, 4/6
其中 1 是花朵的图像，而 0 不是。上例的 AP 是 0.6917.
一种简单的解释方法是生成 0 和 1 的组合，这将提供所需的 AP：
0.5 的 AP 可能会产生类似
的结果
0, 1, 0, 1, 0, 1, ...
其中每一秒图像都是正确的，而 0.333 的 AP
0, 0, 1, 0, 0, 1, 0, 0, 1, ...
每三张图片都是正确的..."
我有一个关于如何解释这个 mAP 指标的问题，例如，如果一个物体检测器得到一个 48 的 mAP。这是一个好的结果吗？或者如果你的 AP 是 50，有什么不同吗？
他又回到了IoU，难道如果是mAP50，就是检测到IoU为50（差不多一半）的照片，所以图像不会检测到所有的东西，但是它能不能给出结果不可靠？
欢迎任何帮助。
我建议你阅读这篇文章Intuition behind Average Precision and MAP[1] and Breaking Down Mean Average Precision (mAP), I find them very helpful. But, difference between a 48 or 50 AP, it's that 50 AP it's a litle better. Here's a little part of [1]：
"例如，假设我们正在搜索一朵花的图像，并且我们向我们的图像检索系统提供了一张玫瑰的样本图片（查询），我们确实得到了一堆排名图像（从最可能到最不可能可能）。通常不是所有的都是正确的。所以我们计算每个正确返回的图像的精度，然后取平均值。如果我们返回的结果是
1, 0, 0, 1, 1, 1
则每个正确点的精度为：到目前为止（包括当前）遇到的正确图像的数量除以到目前为止看到的图像总数。
1/1, 0, 0, 2/4, 3/5, 4/6
其中 1 是花朵的图像，而 0 不是。上例的 AP 是 0.6917.
一种简单的解释方法是生成 0 和 1 的组合，这将提供所需的 AP：
0.5 的 AP 可能会产生类似
0, 1, 0, 1, 0, 1, ...
其中每一秒图像都是正确的，而 0.333 的 AP
0, 0, 1, 0, 0, 1, 0, 0, 1, ...
每三张图片都是正确的..."