AP衡量的是训练出来的模型在每个类别上的好坏。
mAP衡量的是训练出来的模型在所有类别上的好坏，mAP就是AP的均值，反映的是全局性能。
PR曲线
训练好的模型对所有的测试样本计算出confidence score，每一类confidence score排序（比如一共有20个样本）：
然后计算precision和recall，得到PR曲线：
很显然选的样本增多，recall肯定会越来越多，而precision整体会下降趋势。
准确率和召回率是互相影响的，理想情况下肯定是做到两者都高，但是一般情况下准确率高、召回率就低，召回率低、准确率高，当然如果两者都低，那是什么地方出问题了。
如果是做搜索，那就是保证召回的情况下提升准确率；如果做疾病监测、反垃圾，则是保准确率的条件下，提升召回。
AP
PASCAL VOC CHALLENGE计算方法：
- 旧版（point interpolated average precision11点插值平均精度）：先设定一组阈值，recall每大于一个阈值，就得到对应的最大的一个precision，得到11个precision，AP就是平均值；
- 新版： 假设一共有m个正例，会有m个recall值，即为m个阈值，同上得到m个precision，平均值就是AP；
mAP
AP取平均值。
ROC
ROC和AUC是评价分类器的指标。
ROC关注两个指标，正例分对的概率和负例分错的概率。
True Positive Rate ( TPR ) = TP / [ TP + FN] ，TPR代表能将正例分对的概率
False Positive Rate( FPR ) = FP / [ FP + TN] ，FPR代表将负例错分为正例的概率
横坐标是FPR，纵坐标是TPR，描绘了分类器在TP（真正的正例）和FP（错误的正例）间的trade-off。
对于二值分类问题，实例的值往往是连续纸，我们通过设定一个阈值，将实例分类到正类或者负类（比如大于阈值划分为正类）。因此我们可以变化阈值，根据不同的阈值进行分类，根据分类结果计算得到ROC空间中相应的点，连接这些点就形成ROC curve。
ROC curve经过（0,0）（1,1），实际上(0,0)和(1, 1)连线形成的ROC curve实际上代表的是一个随机分类器。
一般情况下，这个曲线都应该处于(0, 0)和(1, 1)连线的上方。
AUC（Area Under roc Curve）
用ROC curve来表示分类器的performance很直观好用。可是，人们总是希望能有一个数值来标志分类器的好坏。
于是AUC。顾名思义，AUC的值就是处于ROC curve下方的那部分面积的大小。
通常，AUC的值介于0.5到1.0之间，较大的AUC代表了较好的Performance。