{
  "source_file": "0930",
  "source_platform": "知乎专栏",
  "author": "zzzz1",
  "title_listed": "浅析经典目标检测评价指标 mmAP（一）",
  "keywords": "mmAP,目标检测,评价指标",
  "domain": "图像处理",
  "content_type": "深度技术解析",
  "is_paid_flag": "否",
  "url": "https://zhuanlan.zhihu.com/p/55575423",
  "publish_date": "2019",
  "corpus_stage": "应用",
  "notes": "旷视研究员解析 mmAP 定义与计算",
  "id": "67ab6880f8e3",
  "collected_at": "2026-10-02T18:44:28",
  "title": "浅析经典目标检测评价指标--mmAP（一） - 知乎",
  "body_markdown": "[![](https://zhuanlan.zhihu.com/p/55575423)](javascript:void\\(0\\))\n![ZhiHu logo](../images/body-e1fa91dbdb48b8055184.png)\n[](https://www.zhihu.com)\n[关注](https://www.zhihu.com/signin?next=%2Ffollow)[推荐](https://www.zhihu.com/signin?next=%2F)[热榜](https://www.zhihu.com/signin?next=%2Fhot)[专栏](https://www.zhihu.com/signin?next=%2Fcolumn-square)[圈子](https://www.zhihu.com/signin?next=%2Fring-feeds)[AI WorksBeta ](https://www.zhihu.com/project-square)[故事](https://www.zhihu.com/fiore/h5/vip-web)\n​\n[直答](https://zhida.zhihu.com/)\n切换模式\n登录/注册\n浅析经典目标检测评价指标--mmAP（一）\n首发于[欲穷千里目](https://www.zhihu.com/column/furthersight)\n切换模式\n# 浅析经典目标检测评价指标--mmAP（一）\n[![zzzz1](../images/018.jpg)](https://www.zhihu.com/people/zhao-bo-rui-42)\n[zzzz1](https://www.zhihu.com/people/zhao-bo-rui-42)\n[收录于 · 欲穷千里目](https://www.zhihu.com/column/furthersight)\n520 人赞同了该文章\n**大家好，我是[旷视科技](https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=1&q=%E6%97%B7%E8%A7%86%E7%A7%91%E6%8A%80&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiLml7fop4bnp5HmioAiLCJ6aGlkYV9zb3VyY2UiOiJlbnRpdHkiLCJjb250ZW50X2lkIjoxMDA0Nzk4MjIsImNvbnRlbnRfdHlwZSI6IkFydGljbGUiLCJtYXRjaF9vcmRlciI6MSwiemRfdG9rZW4iOm51bGx9.HCc1x8UeiWRTDjl4rdAw9NxCi5aBheCGwXLzk5wfV9o&zhida_source=entity)南京研究院研究员赵博睿，主要研究领域为目标检测。今天和大家聊聊mmAP的那些事～**\n**目标检测是[计算机视觉](https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=1&q=%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%A7%86%E8%A7%89&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiLorqHnrpfmnLrop4bop4kiLCJ6aGlkYV9zb3VyY2UiOiJlbnRpdHkiLCJjb250ZW50X2lkIjoxMDA0Nzk4MjIsImNvbnRlbnRfdHlwZSI6IkFydGljbGUiLCJtYXRjaF9vcmRlciI6MSwiemRfdG9rZW4iOm51bGx9.ZEKjj7Wq2T_naX9ccr6xK2krGPHPVgjuQ_0TCjP3QmE&zhida_source=entity)领域的一项基础问题，在许多[智能场景](https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=1&q=%E6%99%BA%E8%83%BD%E5%9C%BA%E6%99%AF&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiLmmbrog73lnLrmma8iLCJ6aGlkYV9zb3VyY2UiOiJlbnRpdHkiLCJjb250ZW50X2lkIjoxMDA0Nzk4MjIsImNvbnRlbnRfdHlwZSI6IkFydGljbGUiLCJtYXRjaF9vcmRlciI6MSwiemRfdG9rZW4iOm51bGx9.sm3jLlvHuCAksqDtv--YHjXY6C885h9GXKf8MefNZOg&zhida_source=entity)的落地应用中目标检测通常都是视觉感知的第一步。在学术研究中，[MS COCO](https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=1&q=MS+COCO&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiJNUyBDT0NPIiwiemhpZGFfc291cmNlIjoiZW50aXR5IiwiY29udGVudF9pZCI6MTAwNDc5ODIyLCJjb250ZW50X3R5cGUiOiJBcnRpY2xlIiwibWF0Y2hfb3JkZXIiOjEsInpkX3Rva2VuIjpudWxsfQ.rQZhs6BPlFXM9Vi9365AxUjCa0FpMNKQBllKNxdZBWE&zhida_source=entity)作为目标检测领域中最常用、最权威的公共数据集被作为目前几乎每一个目标检测算法的标准“演武场”，其[性能度量](https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=1&q=%E6%80%A7%E8%83%BD%E5%BA%A6%E9%87%8F&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiLmgKfog73luqbph48iLCJ6aGlkYV9zb3VyY2UiOiJlbnRpdHkiLCJjb250ZW50X2lkIjoxMDA0Nzk4MjIsImNvbnRlbnRfdHlwZSI6IkFydGljbGUiLCJtYXRjaF9vcmRlciI6MSwiemRfdG9rZW4iOm51bGx9.Sz1uNjF6OLJeNaDjfqhWai3TC4U4-v_0EVAyHAM2q_U&zhida_source=entity)中的指标—mmAP更是被广大研究者耳熟能详成为经典。不过，经典之余，一些研究者往往对此“拿来主义”不求甚解。**\n  \n**本文上半篇将针对mmAP这一经典的目标检测评价指标详细解析其定义初衷和具体计算方式；本文的下半篇将继续分析mmAP的特点，并介绍针对这些特点现有方法如何“[hack](https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=1&q=hack&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiJoYWNrIiwiemhpZGFfc291cmNlIjoiZW50aXR5IiwiY29udGVudF9pZCI6MTAwNDc5ODIyLCJjb250ZW50X3R5cGUiOiJBcnRpY2xlIiwibWF0Y2hfb3JkZXIiOjEsInpkX3Rva2VuIjpudWxsfQ.99f5yhwW00x4erLqb4aOH-NH0GBgUBoRVKsNFAewric&zhida_source=entity)” mmAP，最后将提出几个mmAP未考虑到的评测要素。仅抛砖引玉，期待诸君有更优评价指标的提出。**\n**目标检测**\n目标检测（Object Detection）是计算机视觉中非常常见的任务，该任务的输入是一张图像，输出为图像中的所有存在的目标，每个目标都要给出类别信息（是什么？）和位置信息（在哪里？）。这个位置信息通常用一个外接矩形框（俗称bounding box）来表示。\n![](../images/001.jpg)\n目标检测\n这个任务有一个特点，就是它的输出是非结构化的。也就是说，它的输出具有很强的不确定性。举个例子，图像分类任务的输入也是一张图像，输出为一个标签/类别，代表着这张图的分类，因此分类任务的输出是结构化的，有且仅有一个标签；而目标检测的输出是图像中的所有目标（类别+位置），图像中到底有多少个目标是不确定的。这一特点非常重要，也正因为这一特点，目标检测的性能度量方法要比[图像分类](https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=2&q=%E5%9B%BE%E5%83%8F%E5%88%86%E7%B1%BB&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiLlm77lg4_liIbnsbsiLCJ6aGlkYV9zb3VyY2UiOiJlbnRpdHkiLCJjb250ZW50X2lkIjoxMDA0Nzk4MjIsImNvbnRlbnRfdHlwZSI6IkFydGljbGUiLCJtYXRjaF9vcmRlciI6MiwiemRfdG9rZW4iOm51bGx9.RCtV7scTKJmnBUgwI3JWPT9JPwZhR6W6c1b6gKcCIGk&zhida_source=entity)任务复杂得多，这在后面的分析中会提到。\n**什么样的检测结果是“好”的？**\n什么样的检测结果是好的？这个问题看起来很简单，因为我们在看一张图（包含了检测出来的框/分割掩码）时，很容易就能够对比出真实目标和检测结果的“贴合程度”。但是对于计算机视觉任务，我们需要一个明确的数字化的判断标准。（以下均使用[目标检测任务](https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=1&q=%E7%9B%AE%E6%A0%87%E6%A3%80%E6%B5%8B%E4%BB%BB%E5%8A%A1&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiLnm67moIfmo4DmtYvku7vliqEiLCJ6aGlkYV9zb3VyY2UiOiJlbnRpdHkiLCJjb250ZW50X2lkIjoxMDA0Nzk4MjIsImNvbnRlbnRfdHlwZSI6IkFydGljbGUiLCJtYXRjaF9vcmRlciI6MSwiemRfdG9rZW4iOm51bGx9._0sDHbXXdgjRcI_kAJBnqNCZNqOkkd09IB38H_yecHo&zhida_source=entity)作为示例）\n下面我们用 GT(类别, 矩形) 来表示一个图中的目标（也就是我们希望找出来的目标，也可称作Ground Truth）,用DT(类别, 矩形)来表示一个我们检测出来的目标（Detection Result）。\n首先，一个好的检测结果，至少得把类别搞对。如果类别就错了，位置信息再准确都是白搭，也就是GT(类别)=DT(类别)；其次，DT(矩形)要尽可能地“贴合”GT(矩形)，越“贴合”越好。如何判断这个“贴合程度”呢？最常用的一种评价方式是交集和并集的比值（[交并比](https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=1&q=%E4%BA%A4%E5%B9%B6%E6%AF%94&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiLkuqTlubbmr5QiLCJ6aGlkYV9zb3VyY2UiOiJlbnRpdHkiLCJjb250ZW50X2lkIjoxMDA0Nzk4MjIsImNvbnRlbnRfdHlwZSI6IkFydGljbGUiLCJtYXRjaF9vcmRlciI6MSwiemRfdG9rZW4iOm51bGx9.MhfrqCTd4FhxsHVhF6R3yoUMVId1YGppiuSz1lzt0Qo&zhida_source=entity)、Intersection over Union、IoU）。顾名思义，交并比就是DT(矩形)和GT(矩形)的重合部分面积(交集) 与 两者的全部面积（并集，重合的部分不会重复计算面积）。\n![](../images/002.jpg)\nIntersection over Union（IoU）\n这个比值最小为0，也就是两个矩形毫无交集；最大为1，也就是两个矩形完全重合。IoU越大，检测的结果越好。\n**评价检测性能之前**\n知道了什么样的检测结果是好的，就可以评价检测算法的性能了。但在这之前，先思考一个问题：评价一个检测算法的性能，真的像想象中那么容易吗？\n我们都知道，评价一个图像分类结果的性能，只需要看预测类别是否正确即可，在一个数据集上面，我们可以很容易地得出一个平均准确率。可是目标检测的输出目标数量和真实目标数量都是不固定的（前文提到的[非结构化](https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=2&q=%E9%9D%9E%E7%BB%93%E6%9E%84%E5%8C%96&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiLpnZ7nu5PmnoTljJYiLCJ6aGlkYV9zb3VyY2UiOiJlbnRpdHkiLCJjb250ZW50X2lkIjoxMDA0Nzk4MjIsImNvbnRlbnRfdHlwZSI6IkFydGljbGUiLCJtYXRjaF9vcmRlciI6MiwiemRfdG9rZW4iOm51bGx9.pJGGoF68feLaCYGNWiD2tBSK9-O6Q79yOZ3R45wF6vY&zhida_source=entity)的特性），因此评判时要考虑的就不仅是“对错”这么简单了，我们需要考虑的有：如果漏掉了一个目标对性能有多大损伤？如果多检测出了一个目标对性能有多大损伤？如果检测出来的位置信息有所偏差对性能有多大损伤？进一步地，在这么多的检测结果中，总有一些是检测器十分笃定的，有一些是模棱两可的。如果检测器对多检测出来的那个目标本身也不太确定呢？如果检测器最满意最信任的那个检测结果出错了呢？换言之：一个检测结果对性能的影响，是否应该和检测器对它的满意程度（[置信度](https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=1&q=%E7%BD%AE%E4%BF%A1%E5%BA%A6&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiLnva7kv6HluqYiLCJ6aGlkYV9zb3VyY2UiOiJlbnRpdHkiLCJjb250ZW50X2lkIjoxMDA0Nzk4MjIsImNvbnRlbnRfdHlwZSI6IkFydGljbGUiLCJtYXRjaF9vcmRlciI6MSwiemRfdG9rZW4iOm51bGx9.fmOJpjlq7M6Qv4LpfyeqsLFX8RQV58eq19ig71KULQs&zhida_source=entity)）相关？以及，检测错了一个稀有的物体和检测错了一个常见的物体所带来的[性能损伤](https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=1&q=%E6%80%A7%E8%83%BD%E6%8D%9F%E4%BC%A4&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiLmgKfog73mjZ_kvKQiLCJ6aGlkYV9zb3VyY2UiOiJlbnRpdHkiLCJjb250ZW50X2lkIjoxMDA0Nzk4MjIsImNvbnRlbnRfdHlwZSI6IkFydGljbGUiLCJtYXRjaF9vcmRlciI6MSwiemRfdG9rZW4iOm51bGx9.VEIHcyzUmbu7rmBFm7WdIVldEPAz-sHS8UsiBMtCcwc&zhida_source=entity)是否应该相同？......\n**正戏来了：mmAP**\n刚刚提到的所有问题，mmAP都要一一给出答案。\n首先是[位置偏差](https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=1&q=%E4%BD%8D%E7%BD%AE%E5%81%8F%E5%B7%AE&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiLkvY3nva7lgY_lt64iLCJ6aGlkYV9zb3VyY2UiOiJlbnRpdHkiLCJjb250ZW50X2lkIjoxMDA0Nzk4MjIsImNvbnRlbnRfdHlwZSI6IkFydGljbGUiLCJtYXRjaF9vcmRlciI6MSwiemRfdG9rZW4iOm51bGx9.x6M2tHk79Rgb87J6Mpq0Pr5J7LPxEiIrXovIO57PCUU&zhida_source=entity)问题。有的使用场景对位置的准确度要求不高，有的则要求精确定位。因此，mmAP先按位置准确度的需求进行划分，设置一组IOU阈值，这组阈值为 (0.5, 0.55, 0.6, ..., 0.9, 0.95),如果DT与GT的IOU超过阈值，则视作检测成功。这样每给定一个阈值就可以计算出一个性能（也就是mAP，后面详述），然后对这些性能取平均（也就是mmAP，后面详述）就是整个检测算法的性能了。\n然后是[类别平衡](https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=1&q=%E7%B1%BB%E5%88%AB%E5%B9%B3%E8%A1%A1&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiLnsbvliKvlubPooaEiLCJ6aGlkYV9zb3VyY2UiOiJlbnRpdHkiLCJjb250ZW50X2lkIjoxMDA0Nzk4MjIsImNvbnRlbnRfdHlwZSI6IkFydGljbGUiLCJtYXRjaF9vcmRlciI6MSwiemRfdG9rZW4iOm51bGx9.7CCuTbYP5gNCWg573JxmUMRqT6Lh7_KwFYWr2vDB3UM&zhida_source=entity)问题，这一问题在分类领域非常常见，“将一个白血病患者错分为健康的人“和“将一个健康的人错分为[白血病](https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=2&q=%E7%99%BD%E8%A1%80%E7%97%85&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiLnmb3ooYDnl4UiLCJ6aGlkYV9zb3VyY2UiOiJlbnRpdHkiLCJjb250ZW50X2lkIjoxMDA0Nzk4MjIsImNvbnRlbnRfdHlwZSI6IkFydGljbGUiLCJtYXRjaF9vcmRlciI6MiwiemRfdG9rZW4iOm51bGx9.82wN84uEgddN72jqMlJcHP9GrADb60p-RGbUGTFYM2U&zhida_source=entity)患者“是一样的吗？显然不是，因为白血病患者本身就属于少数，如果一个分类器把所有人都无脑地判断为健康，其正确率就是 健康的人/全部人。这个[分类器](https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=2&q=%E5%88%86%E7%B1%BB%E5%99%A8&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiLliIbnsbvlmagiLCJ6aGlkYV9zb3VyY2UiOiJlbnRpdHkiLCJjb250ZW50X2lkIjoxMDA0Nzk4MjIsImNvbnRlbnRfdHlwZSI6IkFydGljbGUiLCJtYXRjaF9vcmRlciI6MiwiemRfdG9rZW4iOm51bGx9.X1AQlSZYpwogNLo5Yee6vjnV5Fqoz4QoE6BCKbM82Ac&zhida_source=entity)的正确率很高但是完全失去了判断病患的功能。mmAP为了公平的评价检测器在各个类别上的性能，采用了类别间求平均的方法：先给定一个[IOU阈值](https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=2&q=IOU%E9%98%88%E5%80%BC&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiJJT1XpmIjlgLwiLCJ6aGlkYV9zb3VyY2UiOiJlbnRpdHkiLCJjb250ZW50X2lkIjoxMDA0Nzk4MjIsImNvbnRlbnRfdHlwZSI6IkFydGljbGUiLCJtYXRjaF9vcmRlciI6MiwiemRfdG9rZW4iOm51bGx9.7ZFPFpAnqB6m1d-wW9sCByeVOHZN2RpFBajqSnUWd4o&zhida_source=entity)，然后将所有的GT和DT按照类别先进行划分，用同一类的所有GT和DT计算出一个性能（也就是AP，马上详述），然后对所有类别的性能取平均（mAP），就是检测[算法](https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=5&q=%E7%AE%97%E6%B3%95&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiLnrpfms5UiLCJ6aGlkYV9zb3VyY2UiOiJlbnRpdHkiLCJjb250ZW50X2lkIjoxMDA0Nzk4MjIsImNvbnRlbnRfdHlwZSI6IkFydGljbGUiLCJtYXRjaF9vcmRlciI6NSwiemRfdG9rZW4iOm51bGx9.UsgAd1EX9_8v6N3GOOLUTGaVEUdX5EcAl6WqM265NZg&zhida_source=entity)在这个IOU阈值下的性能。\n现在我们来看看，给定了一个IOU阈值、并给定了一个类别，如何具体地计算检测的性能。首先，我们要先对所有的检测结果排序，得分越高的排序越靠前，然后依次判断检测是否成功。将排序后的所有结果定义为DTs，所有同类别的真实目标定义为GTs。先依序遍历一遍DTs中的所有DT，每个DT和全部GT都计算一个IOU，如果最大的IOU超过了给定的阈值，那么视为检测成功，算作TP（True Positive），并且最大IOU对应的GT被视为匹配成功；如果该DT与所有GT的IOU都没超过阈值，自然就是FP（False Positive）；同时，每当一个GT被检测成功后，都会从GTs中“被取走”，以免后续的检测结果重复匹配。因此如果有多个检测结果都与同一个GT匹配，那么分数最高的那个会被算为TP，其余均为FP。遍历完成后，我们就知道了所有DTs中，哪些是TP，哪些是FP，而由于被匹配过的GT都会“被取走”，因此GTs中剩下的就是没有被匹配上的FN（False Negative）。以下是为了方便理解的代码（Python），这段代码仅用于理解，效率较低。真实代码请参考MS COCO的官方源码。\n![](../images/003.jpg)\nTP,FP,FN\n有了TP、FP、FN的定义，就可以方便地得出准确率（Precison，P，即所有的检测结果中多少是对的）和[召回率](https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=1&q=%E5%8F%AC%E5%9B%9E%E7%8E%87&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiLlj6zlm57njociLCJ6aGlkYV9zb3VyY2UiOiJlbnRpdHkiLCJjb250ZW50X2lkIjoxMDA0Nzk4MjIsImNvbnRlbnRfdHlwZSI6IkFydGljbGUiLCJtYXRjaF9vcmRlciI6MSwiemRfdG9rZW4iOm51bGx9.w3EIyff6hTot4zUyldiasc7q4u5JZ7tU9aPsCtW0vh8&zhida_source=entity)（Recall，R，即所有的真实目标中有多少被检测出来了），两者的定义分别为：P = TP / (TP + FP), R = TP / (TP + FN) = TP / len(GTs)。\n但是，单纯地用Precision和Recall来评价整个检测器并不公平，因为有的检测任务要求更高的Recall，“错检”几个影响不大；有的检测任务则要求更高的Precision，“漏检”几个影响不大。因此我们需要对Precision和Recall做一个整体的评估，而这个评估就是前文提到的AP（Average Precision），其定义非常简单，对排序好的det结果进行“截取”，依次观察det结果的前1个（也就是只有第一个结果）、前2个、...、前N个，每次观察都能够得到一个对应的P和R，随着观察数量的增大，R一定会变大或不变。因此可以以R为横轴，P为纵轴，将每次的“截取”观察到的P和R画成一个点（R，P）。值得注意的是，当“截取”到的新结果为FP时，因为R没有变化所以并不会有新的（R，P）点诞生。最后利用这些（R，P）点绘制成P-R曲线，定义： AP = \\int_{0}^{1}PdR 。通俗点讲，AP就是这个P-R曲线下的面积。AP计算了不同Recall下的Precision，综合性地评价了检测器，并不会对P和R有任何“偏好”，同时，检测分数越高的结果对AP的影响越大，分数越低的对AP的影响越小。\n我们再重新过一遍计算方法：给定一组IOU阈值，在每个IOU阈值下面，求所有类别的AP，并将其平均起来，作为这个IOU阈值下的检测性能，称为mAP(比如mAP@0.5就表示IOU阈值为0.5时的mAP)；最后，将所有IOU阈值下的mAP进行平均，就得到了最终的[性能评价](https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=1&q=%E6%80%A7%E8%83%BD%E8%AF%84%E4%BB%B7&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiLmgKfog73or4Tku7ciLCJ6aGlkYV9zb3VyY2UiOiJlbnRpdHkiLCJjb250ZW50X2lkIjoxMDA0Nzk4MjIsImNvbnRlbnRfdHlwZSI6IkFydGljbGUiLCJtYXRjaF9vcmRlciI6MSwiemRfdG9rZW4iOm51bGx9.tLSvSe0LFbUOarHc-zuzgxN6nsXzuHIqhO9tFVyaAOA&zhida_source=entity)指标：mmAP。\n值得注意的一个细节是：在实际计算时，mmAP并不会把所有检测结果都考虑进来，因为那样总是可以达到Recall=100%，为了更有效地评价检测结果，mmAP只会考虑每张图片的前100个结果。这个数字应该随着[数据集](https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=3&q=%E6%95%B0%E6%8D%AE%E9%9B%86&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiLmlbDmja7pm4YiLCJ6aGlkYV9zb3VyY2UiOiJlbnRpdHkiLCJjb250ZW50X2lkIjoxMDA0Nzk4MjIsImNvbnRlbnRfdHlwZSI6IkFydGljbGUiLCJtYXRjaF9vcmRlciI6MywiemRfdG9rZW4iOm51bGx9.As0-QslyjlFV2e4a47GkTEgfOFRw_PBov5N_yLIsKlA&zhida_source=entity)变化而改变，比如如果是密集场景数据集，这个数字应该提高。\n还有一个细节非常重要：刚才说AP是P-R曲线下的面积，其实这个说法并不准确。实际上在计算AP时，都要对[P-R曲线](https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=4&q=P-R%E6%9B%B2%E7%BA%BF&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiJQLVLmm7Lnur8iLCJ6aGlkYV9zb3VyY2UiOiJlbnRpdHkiLCJjb250ZW50X2lkIjoxMDA0Nzk4MjIsImNvbnRlbnRfdHlwZSI6IkFydGljbGUiLCJtYXRjaF9vcmRlciI6NCwiemRfdG9rZW4iOm51bGx9.dWtRXJbsUzzMMOwiIAikQzrgsPLe-TQM5l8uptuGBU8&zhida_source=entity)做一次修正，将[P值](https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=1&q=P%E5%80%BC&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiJQ5YC8IiwiemhpZGFfc291cmNlIjoiZW50aXR5IiwiY29udGVudF9pZCI6MTAwNDc5ODIyLCJjb250ZW50X3R5cGUiOiJBcnRpY2xlIiwibWF0Y2hfb3JkZXIiOjEsInpkX3Rva2VuIjpudWxsfQ.WleDKDh9vrVLsHULY8rdQaZ5BeU4HQ8VXWp5gTQnthM&zhida_source=entity)修正为当R>R0时最大的P（R0即为该点对应的R），即 AP=\\int_{0}^{1}max({\\left\\\\{ P(r) | r \\geq R \\right\\\\}})dR 。下图即为修正前P-R曲线和修正后P-R曲线。\n![](../images/004.jpg)\nP-R curve\n如图，蓝色实曲线为原始P-R曲线、橘色虚曲线为修正后P-R曲线。为什么要修正P-R曲线呢？这是因为评价检测性能时，更应该关心“当R大于某个值时，能达到的最高的P是多少”、而不是“当R等于某个值时，此时的P是多少”。\n除了AP、mAP、mmAP之外，还有一个重要的性能是Recall，有时我们也需要关心“检测器能达到的最大Recall是多少？尽管此时的Precision可能非常低”，[AR](https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=1&q=AR&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiJBUiIsInpoaWRhX3NvdXJjZSI6ImVudGl0eSIsImNvbnRlbnRfaWQiOjEwMDQ3OTgyMiwiY29udGVudF90eXBlIjoiQXJ0aWNsZSIsIm1hdGNoX29yZGVyIjoxLCJ6ZF90b2tlbiI6bnVsbH0.micE2CsOsXnZhQIE9OHJVp4qZ9FUCwgvq0mwzRiaRV0&zhida_source=entity)就是度量Recall的。每给定一个IOU阈值和类别，都会得到一个P-R曲线，该曲线P不为0时的最大的R，就称为该IOU阈值下该类别的Recall（其实是“最大Recall”），在类别尺度上平均后，就是该IOU阈值下的AR，通常我们会用AR[0.5:0.95]表示所有IOU阈值下AR的平均值（也就是mAR）。值得注意的是，AR并不是和mmAP同等量级的性能度量指标，因为AP综合考虑了P和R，而AR只是考虑了Recall。计算AR通常是用于帮助我们分析检测器性能特点的。在两个检测结果的mmAP相同时，更高的AR并不意味着更好的检测效果，而仅仅意味着“更扁平的P-R曲线”（可自行脑补该曲线）。\n**本文上篇完。**\n**关于mmAP的其他特点，及在这些特点的基础上怎样理解“为何有些论文会涨点”，以及mmAP局限等内容，且听本文下回分解：**[浅析经典目标检测评价指标--mmAP（二）](https://zhuanlan.zhihu.com/p/56899189)\nPS：旷视南京研究院全职、实习岗位持续open，欢迎推荐、自荐，简历请发送至南京研究院负责人：songrenjie@megvii.com\n编辑于 2021-03-22 08:04\n[计算机视觉](https://www.zhihu.com/topic/19590195)\n[目标检测](https://www.zhihu.com/topic/19596960)\n[深度学习（Deep Learning）](https://www.zhihu.com/topic/19813032)\n​赞同 520​​63 条评论​1008 ​41 \n​分享\n​申请转载​\n​\n![](../images/005.jpeg)\n未登录用户\n  \n\n63 条评论\n默认\n最新\n[![xxyp](../images/006.jpg)](https://www.zhihu.com/people/20a738d4667f77746630d7e605d3d9ce)\n[xxyp](https://www.zhihu.com/people/20a738d4667f77746630d7e605d3d9ce)\n认真读了您的文字，受益匪浅，醍醐灌顶，谢谢您！\n2019-02-20\n​回复​7\n展开其他 1 条回复​\n[![驾雾](../images/007.jpg)](https://www.zhihu.com/people/d0d6dff437be87bc47aa88437199a4d2)\n[驾雾](https://www.zhihu.com/people/d0d6dff437be87bc47aa88437199a4d2)\n感谢您的分享。有个地方有点疑问：如果一个GT与两个DT的iou都超过了阈值，而在遍历时，首先遍历到iou较小的DT，这样结果不是就不够准确了吗？\n2019-03-01\n​回复​2\n[![zzzz1](../images/013.jpg)](https://www.zhihu.com/people/d860de46adefb6fc2b909217d13e9064)\n[zzzz1](https://www.zhihu.com/people/d860de46adefb6fc2b909217d13e9064)\n作者\n这个结果的不准确并不是评价指标造成的，而是检测器本身性能不好造成的。给好的检测结果打低分本身就是一种性能差的体现。在使用检测器时，通常是卡一个分数阈值，要么都保留要么滤掉低分的，并不会出现保留低分滤掉高分的情况，因此评价和匹配都需要按分数排序。\n2019-03-02\n​回复​2\n展开其他 2 条回复​\n[![AIer 蓝蒂斯](../images/009.jpg)](https://www.zhihu.com/people/c7059165df283f1843e0c7dde235843a)\n[AIer 蓝蒂斯](https://www.zhihu.com/people/c7059165df283f1843e0c7dde235843a)\n目前见过讲的最清楚的，赞！\n2023-03-24\n​回复​1\n[![大魔导师](../images/010.jpg)](https://www.zhihu.com/people/121ef2753a2a181729b748c271d78d50)\n[大魔导师](https://www.zhihu.com/people/121ef2753a2a181729b748c271d78d50)\n多张图片的mmAP怎么算？将每张图片的mmAP分别求出来然后取平均吗？还是说在计算时要考虑所有图片的gts和dts？\n2020-07-17\n​回复​3\n展开其他 1 条回复​\n[![为啥非得取个名](../images/011.jpg)](https://www.zhihu.com/people/7011cdda4a31fe8dd3431b9142174e5f)\n[为啥非得取个名](https://www.zhihu.com/people/7011cdda4a31fe8dd3431b9142174e5f)\n每给定一个阈值就可以计算出一个性能（也就是mAP，后面详述）\n  \n\n先给定一个IOU阈值，然后将所有的GT和DT按照类别先进行划分，用同一类的所有GT和DT计算出一个性能（也就是AP，马上详述）\n  \n\n楼主你的表述前后不一致啊，给定一个IOU阈值，能够确定mAP,还是AP，按照我的理解，一个IOU阈值只能确定一对（P,R）值，也就是P-R曲线上的一个点，不能得到mAP，也不能得到AP\n2019-07-08\n​回复​1\n展开其他 1 条回复​\n[![泡泡糖](../images/012.jpg)](https://www.zhihu.com/people/4e72f2aa5ee4e7b94ac630dfeeee00b7)\n[泡泡糖](https://www.zhihu.com/people/4e72f2aa5ee4e7b94ac630dfeeee00b7)\nP = TP / (TP + FP) 是不是就P = TP / (TP + FP)=TP/DTs呢？\n2019-04-03\n​回复​1\n[![zzzz1](../images/013.jpg)](https://www.zhihu.com/people/d860de46adefb6fc2b909217d13e9064)\n[zzzz1](https://www.zhihu.com/people/d860de46adefb6fc2b909217d13e9064)\n作者\n对的\n2019-04-03\n​回复​喜欢\n展开其他 1 条回复​\n[![柏拉图爱唠叨](../images/014.jpg)](https://www.zhihu.com/people/447668ae609bcd066951570ede094e9c)\n[柏拉图爱唠叨](https://www.zhihu.com/people/447668ae609bcd066951570ede094e9c)\n文中“因此如果有多个检测结果都与同一个GT匹配，那么分数最高的那个会被算为TP，其余均为FP。”我认为是一个悖论。计算IoU时是按照置信度分数排序从上至下计算的，当分数高的DT匹配上GT时，GT会从GTs中取走。置信度分数低的DT在计算IoU时，GTs里面已经没有所谓的“同一个GT”了。\n2025-04-17\n​回复​喜欢\n[![开心锤锤](../images/017.jpg)](https://www.zhihu.com/people/13d8142773c3ae916e7d565a81f1fd9c)\n[开心锤锤](https://www.zhihu.com/people/13d8142773c3ae916e7d565a81f1fd9c)\niou是不是就是置信度啊\n2021-07-28\n​回复​喜欢\n[![luo13](../images/016.jpg)](https://www.zhihu.com/people/a1215743a476d5a9ecc0d237bccba32a)\n[luo13](https://www.zhihu.com/people/a1215743a476d5a9ecc0d237bccba32a)\n你好，非常感谢您的分享，但有一个小小的疑惑，为什么最后一个图中，蓝线P会有0的情况\n2020-08-14\n​回复​喜欢\n[![tyler tang](../images/017.jpg)](https://www.zhihu.com/people/287ccb3d042203b28d5eeec8dd3a6e71)\n[tyler tang](https://www.zhihu.com/people/287ccb3d042203b28d5eeec8dd3a6e71)\n“值得注意的是，当“截取”到的新结果为FP时，因为R没有变化所以并不会有新的（R，P）点诞生。”\n这句话有问题吧， R没变化P会降低啊？可能对修正后的RP曲线还有点意义\n2020-08-08\n​回复​喜欢\n点击查看全部评论\n![](../images/005.jpeg)\n未登录用户\n  \n\n关于作者\n[![zzzz1](../images/018.jpg)](https://www.zhihu.com/people/zhao-bo-rui-42)\n[zzzz1](https://www.zhihu.com/people/zhao-bo-rui-42)\n[ 回答 **11** ](https://www.zhihu.com/people/zhao-bo-rui-42/answers)[ 文章 **2** ](https://www.zhihu.com/people/zhao-bo-rui-42/posts)[ 关注者 **649** ](https://www.zhihu.com/people/zhao-bo-rui-42/followers)\n​关注他​发私信\n大家都在搜\n换一换\n[江歌妈妈发长文尘埃终将落定704 万](https://www.zhihu.com/search?q=%E6%B1%9F%E6%AD%8C%E5%A6%88%E5%A6%88%E5%8F%91%E9%95%BF%E6%96%87%E5%B0%98%E5%9F%83%E7%BB%88%E5%B0%86%E8%90%BD%E5%AE%9A&search_source=Trending&utm_content=search_hot&utm_medium=organic&utm_source=zhihu&type=content&request_click_id=686e1cc8-32bf-409b-acd5-e2921a4a0f7b)热\n[中国男足 0-5 巴勒斯坦562 万](https://www.zhihu.com/search?q=%E4%B8%AD%E5%9B%BD%E7%94%B7%E8%B6%B3+0-5+%E5%B7%B4%E5%8B%92%E6%96%AF%E5%9D%A6&search_source=Trending&utm_content=search_hot&utm_medium=organic&utm_source=zhihu&type=content&request_click_id=686e1cc8-32bf-409b-acd5-e2921a4a0f7b)热\n[原央视主持人阿丘回应被通报419 万](https://www.zhihu.com/search?q=%E5%8E%9F%E5%A4%AE%E8%A7%86%E4%B8%BB%E6%8C%81%E4%BA%BA%E9%98%BF%E4%B8%98%E5%9B%9E%E5%BA%94%E8%A2%AB%E9%80%9A%E6%8A%A5&search_source=Trending&utm_content=search_hot&utm_medium=organic&utm_source=zhihu&type=content&request_click_id=686e1cc8-32bf-409b-acd5-e2921a4a0f7b)热\n[华为与赛力斯达成新五年合作409 万](https://www.zhihu.com/search?q=%E5%8D%8E%E4%B8%BA%E4%B8%8E%E8%B5%9B%E5%8A%9B%E6%96%AF%E8%BE%BE%E6%88%90%E6%96%B0%E4%BA%94%E5%B9%B4%E5%90%88%E4%BD%9C&search_source=Trending&utm_content=search_hot&utm_medium=organic&utm_source=zhihu&type=content&request_click_id=686e1cc8-32bf-409b-acd5-e2921a4a0f7b)热\n[迪拜航空确认航班发生事故398 万](https://www.zhihu.com/search?q=%E8%BF%AA%E6%8B%9C%E8%88%AA%E7%A9%BA%E7%A1%AE%E8%AE%A4%E8%88%AA%E7%8F%AD%E5%8F%91%E7%94%9F%E4%BA%8B%E6%95%85&search_source=Trending&utm_content=search_hot&utm_medium=organic&utm_source=zhihu&type=content&request_click_id=686e1cc8-32bf-409b-acd5-e2921a4a0f7b)热\n[东航回应网传空姐跪地道歉326 万](https://www.zhihu.com/search?q=%E4%B8%9C%E8%88%AA%E5%9B%9E%E5%BA%94%E7%BD%91%E4%BC%A0%E7%A9%BA%E5%A7%90%E8%B7%AA%E5%9C%B0%E9%81%93%E6%AD%89&search_source=Trending&utm_content=search_hot&utm_medium=organic&utm_source=zhihu&type=content&request_click_id=686e1cc8-32bf-409b-acd5-e2921a4a0f7b)\n[王楚钦：不知道为什么就是感觉累320 万](https://www.zhihu.com/search?q=%E7%8E%8B%E6%A5%9A%E9%92%A6%EF%BC%9A%E4%B8%8D%E7%9F%A5%E9%81%93%E4%B8%BA%E4%BB%80%E4%B9%88%E5%B0%B1%E6%98%AF%E6%84%9F%E8%A7%89%E7%B4%AF&search_source=Trending&utm_content=search_hot&utm_medium=organic&utm_source=zhihu&type=content&request_click_id=686e1cc8-32bf-409b-acd5-e2921a4a0f7b)热\n[江苏高考作文《衬衫的价格为 9 磅 15 便士》爆火268 万](https://www.zhihu.com/search?q=%E6%B1%9F%E8%8B%8F%E9%AB%98%E8%80%83%E4%BD%9C%E6%96%87%E3%80%8A%E8%A1%AC%E8%A1%AB%E7%9A%84%E4%BB%B7%E6%A0%BC%E4%B8%BA+9+%E7%A3%85+15+%E4%BE%BF%E5%A3%AB%E3%80%8B%E7%88%86%E7%81%AB&search_source=Trending&utm_content=search_hot&utm_medium=organic&utm_source=zhihu&type=content&request_click_id=686e1cc8-32bf-409b-acd5-e2921a4a0f7b)\n[女装网店开始用防拆带了265 万](https://www.zhihu.com/search?q=%E5%A5%B3%E8%A3%85%E7%BD%91%E5%BA%97%E5%BC%80%E5%A7%8B%E7%94%A8%E9%98%B2%E6%8B%86%E5%B8%A6%E4%BA%86&search_source=Trending&utm_content=search_hot&utm_medium=organic&utm_source=zhihu&type=content&request_click_id=686e1cc8-32bf-409b-acd5-e2921a4a0f7b)\n[孕妇骑车别车被司机踹翻257 万](https://www.zhihu.com/search?q=%E5%AD%95%E5%A6%87%E9%AA%91%E8%BD%A6%E5%88%AB%E8%BD%A6%E8%A2%AB%E5%8F%B8%E6%9C%BA%E8%B8%B9%E7%BF%BB&search_source=Trending&utm_content=search_hot&utm_medium=organic&utm_source=zhihu&type=content&request_click_id=686e1cc8-32bf-409b-acd5-e2921a4a0f7b)\n### 推荐阅读\n# [浅析经典目标检测评价指标--mmAP（二） 本文上篇介绍了mmAP这一经典的目标检测评价指标的定义初衷和具体计算方式。下面我们来谈谈mmAP的诸多特点。通过分析我们甚至可以发现某些特点较反直觉，而某些特点可以加以利用达到“涨点”… zzzz1 ](https://zhuanlan.zhihu.com/p/56899189)# [深度学习目标检测模型-评价指标 目标检测模型的评价指标主要包括均值平均精度(Mean Average Precision，mAP)和检测帧率(Frames Per Second，FPS)。 (1) mAP mAP 是由不同 score 阈值下的精确率(Precision)和召回率(Recall)… AI高级人...发表于深度人脸识... ](https://zhuanlan.zhihu.com/p/477754061)# [R数据分析：再写潜在类别分析LCA的做法与解释 应粉丝要求，再给大家写一期潜在类别分析的教程，尽量写的详细一点。 首先，问题导入，啥是潜在类别分析？ Latent Class Analysis (LCA) is a statistical model in which individuals can … Codewar ](https://zhuanlan.zhihu.com/p/354914077)[ ![机器学习算法评估指标——2D目标检测](../images/020.jpg)机器学习算法评估指标——2D目标检测 格物钛发表于技术分享 ](https://zhuanlan.zhihu.com/p/142820457) \n\n_想来知乎工作？请发送邮件到 jobs@zhihu.com_\n打开知乎App\n在「我的页」右上角打开扫一扫\n![](../images/body-0f9788d006ab0f4da762.png)\n其他扫码方式：微信\n下载知乎App\n无障碍模式\n验证码登录\n密码登录\n[开通机构号](https://zhuanlan.zhihu.com/org/signup)\n中国 +86\n获取短信验证码\n忘记密码\n登录/注册\n其他方式登录\n未注册手机验证后自动登录，注册即代表同意[《知乎协议》](https://www.zhihu.com/term/zhihu-terms)[《隐私保护指引》](https://www.zhihu.com/term/privacy)\n扫码下载知乎 App\n关闭二维码\n",
  "metadata": {
    "title": "浅析经典目标检测评价指标--mmAP（一） - 知乎",
    "description": "大家好，我是旷视科技南京研究院研究员赵博睿，主要研究领域为目标检测。今天和大家聊聊mmAP的那些事～ 目标检测是计算机视觉领域的一项基础问题，在许多智能场景的落地应用中目标检测通常都是视觉感知的第一步。…",
    "keywords": "计算机视觉,目标检测,深度学习（Deep Learning）",
    "author": null,
    "og:title": "浅析经典目标检测评价指标--mmAP（一）",
    "og:url": "https://zhuanlan.zhihu.com/p/55575423",
    "og:description": "大家好，我是旷视科技南京研究院研究员赵博睿，主要研究领域为目标检测。今天和大家聊聊mmAP的那些事～ 目标检测是计算机视觉领域的一项基础问题，在许多智能场景的落地应用中目标检测通常都是视觉感知的第一步。…",
    "og:type": "article",
    "og:site_name": "知乎专栏"
  },
  "paywall": {
    "listed_paid": false,
    "detected": false,
    "marker": "",
    "public_only": false,
    "policy": "付费/会员内容只保留页面公开可见部分，不绕过付费墙"
  },
  "crawl": {
    "success": true,
    "status_code": 200,
    "error": ""
  },
  "code_blocks": [],
  "images": [
    {
      "status": "http_403",
      "url": "https://zhuanlan.zhihu.com/p/55575423",
      "src": "https://zhuanlan.zhihu.com/p/55575423",
      "alt": "",
      "downloaded": false,
      "discovery": "saved_markdown",
      "retried_at": "2026-10-20T17:38:37Z"
    }
  ],
  "audio": [],
  "videos": [],
  "links": [
    {
      "type": "internal",
      "href": "https://www.zhihu.com"
    },
    {
      "type": "internal",
      "href": "https://www.zhihu.com/signin?next=%2Ffollow"
    },
    {
      "type": "internal",
      "href": "https://www.zhihu.com/signin?next=%2F"
    },
    {
      "type": "internal",
      "href": "https://www.zhihu.com/signin?next=%2Fhot"
    },
    {
      "type": "internal",
      "href": "https://www.zhihu.com/signin?next=%2Fcolumn-square"
    },
    {
      "type": "internal",
      "href": "https://www.zhihu.com/signin?next=%2Fring-feeds"
    },
    {
      "type": "internal",
      "href": "https://www.zhihu.com/project-square"
    },
    {
      "type": "internal",
      "href": "https://www.zhihu.com/fiore/h5/vip-web"
    },
    {
      "type": "internal",
      "href": "https://zhida.zhihu.com/"
    },
    {
      "type": "internal",
      "href": "https://www.zhihu.com/column/furthersight"
    },
    {
      "type": "internal",
      "href": "https://www.zhihu.com/people/zhao-bo-rui-42"
    },
    {
      "type": "internal",
      "href": "https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=1&q=%E6%97%B7%E8%A7%86%E7%A7%91%E6%8A%80&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiLml7fop4bnp5HmioAiLCJ6aGlkYV9zb3VyY2UiOiJlbnRpdHkiLCJjb250ZW50X2lkIjoxMDA0Nzk4MjIsImNvbnRlbnRfdHlwZSI6IkFydGljbGUiLCJtYXRjaF9vcmRlciI6MSwiemRfdG9rZW4iOm51bGx9.HCc1x8UeiWRTDjl4rdAw9NxCi5aBheCGwXLzk5wfV9o&zhida_source=entity"
    },
    {
      "type": "internal",
      "href": "https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=1&q=%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%A7%86%E8%A7%89&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiLorqHnrpfmnLrop4bop4kiLCJ6aGlkYV9zb3VyY2UiOiJlbnRpdHkiLCJjb250ZW50X2lkIjoxMDA0Nzk4MjIsImNvbnRlbnRfdHlwZSI6IkFydGljbGUiLCJtYXRjaF9vcmRlciI6MSwiemRfdG9rZW4iOm51bGx9.ZEKjj7Wq2T_naX9ccr6xK2krGPHPVgjuQ_0TCjP3QmE&zhida_source=entity"
    },
    {
      "type": "internal",
      "href": "https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=1&q=%E6%99%BA%E8%83%BD%E5%9C%BA%E6%99%AF&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiLmmbrog73lnLrmma8iLCJ6aGlkYV9zb3VyY2UiOiJlbnRpdHkiLCJjb250ZW50X2lkIjoxMDA0Nzk4MjIsImNvbnRlbnRfdHlwZSI6IkFydGljbGUiLCJtYXRjaF9vcmRlciI6MSwiemRfdG9rZW4iOm51bGx9.sm3jLlvHuCAksqDtv--YHjXY6C885h9GXKf8MefNZOg&zhida_source=entity"
    },
    {
      "type": "internal",
      "href": "https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=1&q=MS+COCO&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiJNUyBDT0NPIiwiemhpZGFfc291cmNlIjoiZW50aXR5IiwiY29udGVudF9pZCI6MTAwNDc5ODIyLCJjb250ZW50X3R5cGUiOiJBcnRpY2xlIiwibWF0Y2hfb3JkZXIiOjEsInpkX3Rva2VuIjpudWxsfQ.rQZhs6BPlFXM9Vi9365AxUjCa0FpMNKQBllKNxdZBWE&zhida_source=entity"
    },
    {
      "type": "internal",
      "href": "https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=1&q=%E6%80%A7%E8%83%BD%E5%BA%A6%E9%87%8F&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiLmgKfog73luqbph48iLCJ6aGlkYV9zb3VyY2UiOiJlbnRpdHkiLCJjb250ZW50X2lkIjoxMDA0Nzk4MjIsImNvbnRlbnRfdHlwZSI6IkFydGljbGUiLCJtYXRjaF9vcmRlciI6MSwiemRfdG9rZW4iOm51bGx9.Sz1uNjF6OLJeNaDjfqhWai3TC4U4-v_0EVAyHAM2q_U&zhida_source=entity"
    },
    {
      "type": "internal",
      "href": "https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=1&q=hack&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiJoYWNrIiwiemhpZGFfc291cmNlIjoiZW50aXR5IiwiY29udGVudF9pZCI6MTAwNDc5ODIyLCJjb250ZW50X3R5cGUiOiJBcnRpY2xlIiwibWF0Y2hfb3JkZXIiOjEsInpkX3Rva2VuIjpudWxsfQ.99f5yhwW00x4erLqb4aOH-NH0GBgUBoRVKsNFAewric&zhida_source=entity"
    },
    {
      "type": "internal",
      "href": "https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=2&q=%E5%9B%BE%E5%83%8F%E5%88%86%E7%B1%BB&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiLlm77lg4_liIbnsbsiLCJ6aGlkYV9zb3VyY2UiOiJlbnRpdHkiLCJjb250ZW50X2lkIjoxMDA0Nzk4MjIsImNvbnRlbnRfdHlwZSI6IkFydGljbGUiLCJtYXRjaF9vcmRlciI6MiwiemRfdG9rZW4iOm51bGx9.RCtV7scTKJmnBUgwI3JWPT9JPwZhR6W6c1b6gKcCIGk&zhida_source=entity"
    },
    {
      "type": "internal",
      "href": "https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=1&q=%E7%9B%AE%E6%A0%87%E6%A3%80%E6%B5%8B%E4%BB%BB%E5%8A%A1&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiLnm67moIfmo4DmtYvku7vliqEiLCJ6aGlkYV9zb3VyY2UiOiJlbnRpdHkiLCJjb250ZW50X2lkIjoxMDA0Nzk4MjIsImNvbnRlbnRfdHlwZSI6IkFydGljbGUiLCJtYXRjaF9vcmRlciI6MSwiemRfdG9rZW4iOm51bGx9._0sDHbXXdgjRcI_kAJBnqNCZNqOkkd09IB38H_yecHo&zhida_source=entity"
    },
    {
      "type": "internal",
      "href": "https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=1&q=%E4%BA%A4%E5%B9%B6%E6%AF%94&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiLkuqTlubbmr5QiLCJ6aGlkYV9zb3VyY2UiOiJlbnRpdHkiLCJjb250ZW50X2lkIjoxMDA0Nzk4MjIsImNvbnRlbnRfdHlwZSI6IkFydGljbGUiLCJtYXRjaF9vcmRlciI6MSwiemRfdG9rZW4iOm51bGx9.MhfrqCTd4FhxsHVhF6R3yoUMVId1YGppiuSz1lzt0Qo&zhida_source=entity"
    },
    {
      "type": "external",
      "href": "javascript:void(0)"
    }
  ],
  "repair_version": 2,
  "repaired_at": "2026-10-20T17:24:03Z",
  "source_url": "https://zhuanlan.zhihu.com/p/55575423",
  "delivery_status": "unverified",
  "discovery_status": "http_403",
  "missing_reason": "源页面未重新核验:http_403；已按保留正文补采图片",
  "repair_error": "",
  "actual_video_files": [],
  "expected_saved_body_images": 1,
  "image_discovery": "saved_markdown",
  "source_body_markdown": "[![](https://zhuanlan.zhihu.com/p/55575423)](javascript:void\\(0\\))\n![ZhiHu logo](https://static.zhihu.com/heifetz/assets/wechat-share-logo.39ea9ecd.png)\n[](https://www.zhihu.com)\n[关注](https://www.zhihu.com/signin?next=%2Ffollow)[推荐](https://www.zhihu.com/signin?next=%2F)[热榜](https://www.zhihu.com/signin?next=%2Fhot)[专栏](https://www.zhihu.com/signin?next=%2Fcolumn-square)[圈子](https://www.zhihu.com/signin?next=%2Fring-feeds)[AI WorksBeta ](https://www.zhihu.com/project-square)[故事](https://www.zhihu.com/fiore/h5/vip-web)\n​\n[直答](https://zhida.zhihu.com/)\n切换模式\n登录/注册\n浅析经典目标检测评价指标--mmAP（一）\n首发于[欲穷千里目](https://www.zhihu.com/column/furthersight)\n切换模式\n# 浅析经典目标检测评价指标--mmAP（一）\n[![zzzz1](https://pic1.zhimg.com/0ad9f3b9b469cb1c49e1c61f50a0da4a_l.jpg?source=32738c0c&needBackground=1)](https://www.zhihu.com/people/zhao-bo-rui-42)\n[zzzz1](https://www.zhihu.com/people/zhao-bo-rui-42)\n[收录于 · 欲穷千里目](https://www.zhihu.com/column/furthersight)\n520 人赞同了该文章\n**大家好，我是[旷视科技](https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=1&q=%E6%97%B7%E8%A7%86%E7%A7%91%E6%8A%80&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiLml7fop4bnp5HmioAiLCJ6aGlkYV9zb3VyY2UiOiJlbnRpdHkiLCJjb250ZW50X2lkIjoxMDA0Nzk4MjIsImNvbnRlbnRfdHlwZSI6IkFydGljbGUiLCJtYXRjaF9vcmRlciI6MSwiemRfdG9rZW4iOm51bGx9.HCc1x8UeiWRTDjl4rdAw9NxCi5aBheCGwXLzk5wfV9o&zhida_source=entity)南京研究院研究员赵博睿，主要研究领域为目标检测。今天和大家聊聊mmAP的那些事～**\n**目标检测是[计算机视觉](https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=1&q=%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%A7%86%E8%A7%89&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiLorqHnrpfmnLrop4bop4kiLCJ6aGlkYV9zb3VyY2UiOiJlbnRpdHkiLCJjb250ZW50X2lkIjoxMDA0Nzk4MjIsImNvbnRlbnRfdHlwZSI6IkFydGljbGUiLCJtYXRjaF9vcmRlciI6MSwiemRfdG9rZW4iOm51bGx9.ZEKjj7Wq2T_naX9ccr6xK2krGPHPVgjuQ_0TCjP3QmE&zhida_source=entity)领域的一项基础问题，在许多[智能场景](https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=1&q=%E6%99%BA%E8%83%BD%E5%9C%BA%E6%99%AF&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiLmmbrog73lnLrmma8iLCJ6aGlkYV9zb3VyY2UiOiJlbnRpdHkiLCJjb250ZW50X2lkIjoxMDA0Nzk4MjIsImNvbnRlbnRfdHlwZSI6IkFydGljbGUiLCJtYXRjaF9vcmRlciI6MSwiemRfdG9rZW4iOm51bGx9.sm3jLlvHuCAksqDtv--YHjXY6C885h9GXKf8MefNZOg&zhida_source=entity)的落地应用中目标检测通常都是视觉感知的第一步。在学术研究中，[MS COCO](https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=1&q=MS+COCO&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiJNUyBDT0NPIiwiemhpZGFfc291cmNlIjoiZW50aXR5IiwiY29udGVudF9pZCI6MTAwNDc5ODIyLCJjb250ZW50X3R5cGUiOiJBcnRpY2xlIiwibWF0Y2hfb3JkZXIiOjEsInpkX3Rva2VuIjpudWxsfQ.rQZhs6BPlFXM9Vi9365AxUjCa0FpMNKQBllKNxdZBWE&zhida_source=entity)作为目标检测领域中最常用、最权威的公共数据集被作为目前几乎每一个目标检测算法的标准“演武场”，其[性能度量](https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=1&q=%E6%80%A7%E8%83%BD%E5%BA%A6%E9%87%8F&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiLmgKfog73luqbph48iLCJ6aGlkYV9zb3VyY2UiOiJlbnRpdHkiLCJjb250ZW50X2lkIjoxMDA0Nzk4MjIsImNvbnRlbnRfdHlwZSI6IkFydGljbGUiLCJtYXRjaF9vcmRlciI6MSwiemRfdG9rZW4iOm51bGx9.Sz1uNjF6OLJeNaDjfqhWai3TC4U4-v_0EVAyHAM2q_U&zhida_source=entity)中的指标—mmAP更是被广大研究者耳熟能详成为经典。不过，经典之余，一些研究者往往对此“拿来主义”不求甚解。**\n  \n**本文上半篇将针对mmAP这一经典的目标检测评价指标详细解析其定义初衷和具体计算方式；本文的下半篇将继续分析mmAP的特点，并介绍针对这些特点现有方法如何“[hack](https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=1&q=hack&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiJoYWNrIiwiemhpZGFfc291cmNlIjoiZW50aXR5IiwiY29udGVudF9pZCI6MTAwNDc5ODIyLCJjb250ZW50X3R5cGUiOiJBcnRpY2xlIiwibWF0Y2hfb3JkZXIiOjEsInpkX3Rva2VuIjpudWxsfQ.99f5yhwW00x4erLqb4aOH-NH0GBgUBoRVKsNFAewric&zhida_source=entity)” mmAP，最后将提出几个mmAP未考虑到的评测要素。仅抛砖引玉，期待诸君有更优评价指标的提出。**\n**目标检测**\n目标检测（Object Detection）是计算机视觉中非常常见的任务，该任务的输入是一张图像，输出为图像中的所有存在的目标，每个目标都要给出类别信息（是什么？）和位置信息（在哪里？）。这个位置信息通常用一个外接矩形框（俗称bounding box）来表示。\n![](https://pic3.zhimg.com/v2-fb17f8e652c5192fa6af2809d3813886_1440w.jpg)\n目标检测\n这个任务有一个特点，就是它的输出是非结构化的。也就是说，它的输出具有很强的不确定性。举个例子，图像分类任务的输入也是一张图像，输出为一个标签/类别，代表着这张图的分类，因此分类任务的输出是结构化的，有且仅有一个标签；而目标检测的输出是图像中的所有目标（类别+位置），图像中到底有多少个目标是不确定的。这一特点非常重要，也正因为这一特点，目标检测的性能度量方法要比[图像分类](https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=2&q=%E5%9B%BE%E5%83%8F%E5%88%86%E7%B1%BB&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiLlm77lg4_liIbnsbsiLCJ6aGlkYV9zb3VyY2UiOiJlbnRpdHkiLCJjb250ZW50X2lkIjoxMDA0Nzk4MjIsImNvbnRlbnRfdHlwZSI6IkFydGljbGUiLCJtYXRjaF9vcmRlciI6MiwiemRfdG9rZW4iOm51bGx9.RCtV7scTKJmnBUgwI3JWPT9JPwZhR6W6c1b6gKcCIGk&zhida_source=entity)任务复杂得多，这在后面的分析中会提到。\n**什么样的检测结果是“好”的？**\n什么样的检测结果是好的？这个问题看起来很简单，因为我们在看一张图（包含了检测出来的框/分割掩码）时，很容易就能够对比出真实目标和检测结果的“贴合程度”。但是对于计算机视觉任务，我们需要一个明确的数字化的判断标准。（以下均使用[目标检测任务](https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=1&q=%E7%9B%AE%E6%A0%87%E6%A3%80%E6%B5%8B%E4%BB%BB%E5%8A%A1&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiLnm67moIfmo4DmtYvku7vliqEiLCJ6aGlkYV9zb3VyY2UiOiJlbnRpdHkiLCJjb250ZW50X2lkIjoxMDA0Nzk4MjIsImNvbnRlbnRfdHlwZSI6IkFydGljbGUiLCJtYXRjaF9vcmRlciI6MSwiemRfdG9rZW4iOm51bGx9._0sDHbXXdgjRcI_kAJBnqNCZNqOkkd09IB38H_yecHo&zhida_source=entity)作为示例）\n下面我们用 GT(类别, 矩形) 来表示一个图中的目标（也就是我们希望找出来的目标，也可称作Ground Truth）,用DT(类别, 矩形)来表示一个我们检测出来的目标（Detection Result）。\n首先，一个好的检测结果，至少得把类别搞对。如果类别就错了，位置信息再准确都是白搭，也就是GT(类别)=DT(类别)；其次，DT(矩形)要尽可能地“贴合”GT(矩形)，越“贴合”越好。如何判断这个“贴合程度”呢？最常用的一种评价方式是交集和并集的比值（[交并比](https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=1&q=%E4%BA%A4%E5%B9%B6%E6%AF%94&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiLkuqTlubbmr5QiLCJ6aGlkYV9zb3VyY2UiOiJlbnRpdHkiLCJjb250ZW50X2lkIjoxMDA0Nzk4MjIsImNvbnRlbnRfdHlwZSI6IkFydGljbGUiLCJtYXRjaF9vcmRlciI6MSwiemRfdG9rZW4iOm51bGx9.MhfrqCTd4FhxsHVhF6R3yoUMVId1YGppiuSz1lzt0Qo&zhida_source=entity)、Intersection over Union、IoU）。顾名思义，交并比就是DT(矩形)和GT(矩形)的重合部分面积(交集) 与 两者的全部面积（并集，重合的部分不会重复计算面积）。\n![](https://pic3.zhimg.com/v2-5b521592a307eed41bccb78b9c99501e_1440w.jpg)\nIntersection over Union（IoU）\n这个比值最小为0，也就是两个矩形毫无交集；最大为1，也就是两个矩形完全重合。IoU越大，检测的结果越好。\n**评价检测性能之前**\n知道了什么样的检测结果是好的，就可以评价检测算法的性能了。但在这之前，先思考一个问题：评价一个检测算法的性能，真的像想象中那么容易吗？\n我们都知道，评价一个图像分类结果的性能，只需要看预测类别是否正确即可，在一个数据集上面，我们可以很容易地得出一个平均准确率。可是目标检测的输出目标数量和真实目标数量都是不固定的（前文提到的[非结构化](https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=2&q=%E9%9D%9E%E7%BB%93%E6%9E%84%E5%8C%96&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiLpnZ7nu5PmnoTljJYiLCJ6aGlkYV9zb3VyY2UiOiJlbnRpdHkiLCJjb250ZW50X2lkIjoxMDA0Nzk4MjIsImNvbnRlbnRfdHlwZSI6IkFydGljbGUiLCJtYXRjaF9vcmRlciI6MiwiemRfdG9rZW4iOm51bGx9.pJGGoF68feLaCYGNWiD2tBSK9-O6Q79yOZ3R45wF6vY&zhida_source=entity)的特性），因此评判时要考虑的就不仅是“对错”这么简单了，我们需要考虑的有：如果漏掉了一个目标对性能有多大损伤？如果多检测出了一个目标对性能有多大损伤？如果检测出来的位置信息有所偏差对性能有多大损伤？进一步地，在这么多的检测结果中，总有一些是检测器十分笃定的，有一些是模棱两可的。如果检测器对多检测出来的那个目标本身也不太确定呢？如果检测器最满意最信任的那个检测结果出错了呢？换言之：一个检测结果对性能的影响，是否应该和检测器对它的满意程度（[置信度](https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=1&q=%E7%BD%AE%E4%BF%A1%E5%BA%A6&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiLnva7kv6HluqYiLCJ6aGlkYV9zb3VyY2UiOiJlbnRpdHkiLCJjb250ZW50X2lkIjoxMDA0Nzk4MjIsImNvbnRlbnRfdHlwZSI6IkFydGljbGUiLCJtYXRjaF9vcmRlciI6MSwiemRfdG9rZW4iOm51bGx9.fmOJpjlq7M6Qv4LpfyeqsLFX8RQV58eq19ig71KULQs&zhida_source=entity)）相关？以及，检测错了一个稀有的物体和检测错了一个常见的物体所带来的[性能损伤](https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=1&q=%E6%80%A7%E8%83%BD%E6%8D%9F%E4%BC%A4&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiLmgKfog73mjZ_kvKQiLCJ6aGlkYV9zb3VyY2UiOiJlbnRpdHkiLCJjb250ZW50X2lkIjoxMDA0Nzk4MjIsImNvbnRlbnRfdHlwZSI6IkFydGljbGUiLCJtYXRjaF9vcmRlciI6MSwiemRfdG9rZW4iOm51bGx9.VEIHcyzUmbu7rmBFm7WdIVldEPAz-sHS8UsiBMtCcwc&zhida_source=entity)是否应该相同？......\n**正戏来了：mmAP**\n刚刚提到的所有问题，mmAP都要一一给出答案。\n首先是[位置偏差](https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=1&q=%E4%BD%8D%E7%BD%AE%E5%81%8F%E5%B7%AE&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiLkvY3nva7lgY_lt64iLCJ6aGlkYV9zb3VyY2UiOiJlbnRpdHkiLCJjb250ZW50X2lkIjoxMDA0Nzk4MjIsImNvbnRlbnRfdHlwZSI6IkFydGljbGUiLCJtYXRjaF9vcmRlciI6MSwiemRfdG9rZW4iOm51bGx9.x6M2tHk79Rgb87J6Mpq0Pr5J7LPxEiIrXovIO57PCUU&zhida_source=entity)问题。有的使用场景对位置的准确度要求不高，有的则要求精确定位。因此，mmAP先按位置准确度的需求进行划分，设置一组IOU阈值，这组阈值为 (0.5, 0.55, 0.6, ..., 0.9, 0.95),如果DT与GT的IOU超过阈值，则视作检测成功。这样每给定一个阈值就可以计算出一个性能（也就是mAP，后面详述），然后对这些性能取平均（也就是mmAP，后面详述）就是整个检测算法的性能了。\n然后是[类别平衡](https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=1&q=%E7%B1%BB%E5%88%AB%E5%B9%B3%E8%A1%A1&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiLnsbvliKvlubPooaEiLCJ6aGlkYV9zb3VyY2UiOiJlbnRpdHkiLCJjb250ZW50X2lkIjoxMDA0Nzk4MjIsImNvbnRlbnRfdHlwZSI6IkFydGljbGUiLCJtYXRjaF9vcmRlciI6MSwiemRfdG9rZW4iOm51bGx9.7CCuTbYP5gNCWg573JxmUMRqT6Lh7_KwFYWr2vDB3UM&zhida_source=entity)问题，这一问题在分类领域非常常见，“将一个白血病患者错分为健康的人“和“将一个健康的人错分为[白血病](https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=2&q=%E7%99%BD%E8%A1%80%E7%97%85&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiLnmb3ooYDnl4UiLCJ6aGlkYV9zb3VyY2UiOiJlbnRpdHkiLCJjb250ZW50X2lkIjoxMDA0Nzk4MjIsImNvbnRlbnRfdHlwZSI6IkFydGljbGUiLCJtYXRjaF9vcmRlciI6MiwiemRfdG9rZW4iOm51bGx9.82wN84uEgddN72jqMlJcHP9GrADb60p-RGbUGTFYM2U&zhida_source=entity)患者“是一样的吗？显然不是，因为白血病患者本身就属于少数，如果一个分类器把所有人都无脑地判断为健康，其正确率就是 健康的人/全部人。这个[分类器](https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=2&q=%E5%88%86%E7%B1%BB%E5%99%A8&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiLliIbnsbvlmagiLCJ6aGlkYV9zb3VyY2UiOiJlbnRpdHkiLCJjb250ZW50X2lkIjoxMDA0Nzk4MjIsImNvbnRlbnRfdHlwZSI6IkFydGljbGUiLCJtYXRjaF9vcmRlciI6MiwiemRfdG9rZW4iOm51bGx9.X1AQlSZYpwogNLo5Yee6vjnV5Fqoz4QoE6BCKbM82Ac&zhida_source=entity)的正确率很高但是完全失去了判断病患的功能。mmAP为了公平的评价检测器在各个类别上的性能，采用了类别间求平均的方法：先给定一个[IOU阈值](https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=2&q=IOU%E9%98%88%E5%80%BC&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiJJT1XpmIjlgLwiLCJ6aGlkYV9zb3VyY2UiOiJlbnRpdHkiLCJjb250ZW50X2lkIjoxMDA0Nzk4MjIsImNvbnRlbnRfdHlwZSI6IkFydGljbGUiLCJtYXRjaF9vcmRlciI6MiwiemRfdG9rZW4iOm51bGx9.7ZFPFpAnqB6m1d-wW9sCByeVOHZN2RpFBajqSnUWd4o&zhida_source=entity)，然后将所有的GT和DT按照类别先进行划分，用同一类的所有GT和DT计算出一个性能（也就是AP，马上详述），然后对所有类别的性能取平均（mAP），就是检测[算法](https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=5&q=%E7%AE%97%E6%B3%95&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiLnrpfms5UiLCJ6aGlkYV9zb3VyY2UiOiJlbnRpdHkiLCJjb250ZW50X2lkIjoxMDA0Nzk4MjIsImNvbnRlbnRfdHlwZSI6IkFydGljbGUiLCJtYXRjaF9vcmRlciI6NSwiemRfdG9rZW4iOm51bGx9.UsgAd1EX9_8v6N3GOOLUTGaVEUdX5EcAl6WqM265NZg&zhida_source=entity)在这个IOU阈值下的性能。\n现在我们来看看，给定了一个IOU阈值、并给定了一个类别，如何具体地计算检测的性能。首先，我们要先对所有的检测结果排序，得分越高的排序越靠前，然后依次判断检测是否成功。将排序后的所有结果定义为DTs，所有同类别的真实目标定义为GTs。先依序遍历一遍DTs中的所有DT，每个DT和全部GT都计算一个IOU，如果最大的IOU超过了给定的阈值，那么视为检测成功，算作TP（True Positive），并且最大IOU对应的GT被视为匹配成功；如果该DT与所有GT的IOU都没超过阈值，自然就是FP（False Positive）；同时，每当一个GT被检测成功后，都会从GTs中“被取走”，以免后续的检测结果重复匹配。因此如果有多个检测结果都与同一个GT匹配，那么分数最高的那个会被算为TP，其余均为FP。遍历完成后，我们就知道了所有DTs中，哪些是TP，哪些是FP，而由于被匹配过的GT都会“被取走”，因此GTs中剩下的就是没有被匹配上的FN（False Negative）。以下是为了方便理解的代码（Python），这段代码仅用于理解，效率较低。真实代码请参考MS COCO的官方源码。\n![](https://pic3.zhimg.com/v2-605534721f52c16f23297298ff5bcf2a_1440w.jpg)\nTP,FP,FN\n有了TP、FP、FN的定义，就可以方便地得出准确率（Precison，P，即所有的检测结果中多少是对的）和[召回率](https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=1&q=%E5%8F%AC%E5%9B%9E%E7%8E%87&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiLlj6zlm57njociLCJ6aGlkYV9zb3VyY2UiOiJlbnRpdHkiLCJjb250ZW50X2lkIjoxMDA0Nzk4MjIsImNvbnRlbnRfdHlwZSI6IkFydGljbGUiLCJtYXRjaF9vcmRlciI6MSwiemRfdG9rZW4iOm51bGx9.w3EIyff6hTot4zUyldiasc7q4u5JZ7tU9aPsCtW0vh8&zhida_source=entity)（Recall，R，即所有的真实目标中有多少被检测出来了），两者的定义分别为：P = TP / (TP + FP), R = TP / (TP + FN) = TP / len(GTs)。\n但是，单纯地用Precision和Recall来评价整个检测器并不公平，因为有的检测任务要求更高的Recall，“错检”几个影响不大；有的检测任务则要求更高的Precision，“漏检”几个影响不大。因此我们需要对Precision和Recall做一个整体的评估，而这个评估就是前文提到的AP（Average Precision），其定义非常简单，对排序好的det结果进行“截取”，依次观察det结果的前1个（也就是只有第一个结果）、前2个、...、前N个，每次观察都能够得到一个对应的P和R，随着观察数量的增大，R一定会变大或不变。因此可以以R为横轴，P为纵轴，将每次的“截取”观察到的P和R画成一个点（R，P）。值得注意的是，当“截取”到的新结果为FP时，因为R没有变化所以并不会有新的（R，P）点诞生。最后利用这些（R，P）点绘制成P-R曲线，定义： AP = \\int_{0}^{1}PdR 。通俗点讲，AP就是这个P-R曲线下的面积。AP计算了不同Recall下的Precision，综合性地评价了检测器，并不会对P和R有任何“偏好”，同时，检测分数越高的结果对AP的影响越大，分数越低的对AP的影响越小。\n我们再重新过一遍计算方法：给定一组IOU阈值，在每个IOU阈值下面，求所有类别的AP，并将其平均起来，作为这个IOU阈值下的检测性能，称为mAP(比如mAP@0.5就表示IOU阈值为0.5时的mAP)；最后，将所有IOU阈值下的mAP进行平均，就得到了最终的[性能评价](https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=1&q=%E6%80%A7%E8%83%BD%E8%AF%84%E4%BB%B7&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiLmgKfog73or4Tku7ciLCJ6aGlkYV9zb3VyY2UiOiJlbnRpdHkiLCJjb250ZW50X2lkIjoxMDA0Nzk4MjIsImNvbnRlbnRfdHlwZSI6IkFydGljbGUiLCJtYXRjaF9vcmRlciI6MSwiemRfdG9rZW4iOm51bGx9.tLSvSe0LFbUOarHc-zuzgxN6nsXzuHIqhO9tFVyaAOA&zhida_source=entity)指标：mmAP。\n值得注意的一个细节是：在实际计算时，mmAP并不会把所有检测结果都考虑进来，因为那样总是可以达到Recall=100%，为了更有效地评价检测结果，mmAP只会考虑每张图片的前100个结果。这个数字应该随着[数据集](https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=3&q=%E6%95%B0%E6%8D%AE%E9%9B%86&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiLmlbDmja7pm4YiLCJ6aGlkYV9zb3VyY2UiOiJlbnRpdHkiLCJjb250ZW50X2lkIjoxMDA0Nzk4MjIsImNvbnRlbnRfdHlwZSI6IkFydGljbGUiLCJtYXRjaF9vcmRlciI6MywiemRfdG9rZW4iOm51bGx9.As0-QslyjlFV2e4a47GkTEgfOFRw_PBov5N_yLIsKlA&zhida_source=entity)变化而改变，比如如果是密集场景数据集，这个数字应该提高。\n还有一个细节非常重要：刚才说AP是P-R曲线下的面积，其实这个说法并不准确。实际上在计算AP时，都要对[P-R曲线](https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=4&q=P-R%E6%9B%B2%E7%BA%BF&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiJQLVLmm7Lnur8iLCJ6aGlkYV9zb3VyY2UiOiJlbnRpdHkiLCJjb250ZW50X2lkIjoxMDA0Nzk4MjIsImNvbnRlbnRfdHlwZSI6IkFydGljbGUiLCJtYXRjaF9vcmRlciI6NCwiemRfdG9rZW4iOm51bGx9.dWtRXJbsUzzMMOwiIAikQzrgsPLe-TQM5l8uptuGBU8&zhida_source=entity)做一次修正，将[P值](https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=1&q=P%E5%80%BC&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiJQ5YC8IiwiemhpZGFfc291cmNlIjoiZW50aXR5IiwiY29udGVudF9pZCI6MTAwNDc5ODIyLCJjb250ZW50X3R5cGUiOiJBcnRpY2xlIiwibWF0Y2hfb3JkZXIiOjEsInpkX3Rva2VuIjpudWxsfQ.WleDKDh9vrVLsHULY8rdQaZ5BeU4HQ8VXWp5gTQnthM&zhida_source=entity)修正为当R>R0时最大的P（R0即为该点对应的R），即 AP=\\int_{0}^{1}max({\\left\\\\{ P(r) | r \\geq R \\right\\\\}})dR 。下图即为修正前P-R曲线和修正后P-R曲线。\n![](https://pic3.zhimg.com/v2-8a3da2c2d827d784662ceff1e72474ce_1440w.jpg)\nP-R curve\n如图，蓝色实曲线为原始P-R曲线、橘色虚曲线为修正后P-R曲线。为什么要修正P-R曲线呢？这是因为评价检测性能时，更应该关心“当R大于某个值时，能达到的最高的P是多少”、而不是“当R等于某个值时，此时的P是多少”。\n除了AP、mAP、mmAP之外，还有一个重要的性能是Recall，有时我们也需要关心“检测器能达到的最大Recall是多少？尽管此时的Precision可能非常低”，[AR](https://zhida.zhihu.com/search?content_id=100479822&content_type=Article&match_order=1&q=AR&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3OTExMzk0NzUsInEiOiJBUiIsInpoaWRhX3NvdXJjZSI6ImVudGl0eSIsImNvbnRlbnRfaWQiOjEwMDQ3OTgyMiwiY29udGVudF90eXBlIjoiQXJ0aWNsZSIsIm1hdGNoX29yZGVyIjoxLCJ6ZF90b2tlbiI6bnVsbH0.micE2CsOsXnZhQIE9OHJVp4qZ9FUCwgvq0mwzRiaRV0&zhida_source=entity)就是度量Recall的。每给定一个IOU阈值和类别，都会得到一个P-R曲线，该曲线P不为0时的最大的R，就称为该IOU阈值下该类别的Recall（其实是“最大Recall”），在类别尺度上平均后，就是该IOU阈值下的AR，通常我们会用AR[0.5:0.95]表示所有IOU阈值下AR的平均值（也就是mAR）。值得注意的是，AR并不是和mmAP同等量级的性能度量指标，因为AP综合考虑了P和R，而AR只是考虑了Recall。计算AR通常是用于帮助我们分析检测器性能特点的。在两个检测结果的mmAP相同时，更高的AR并不意味着更好的检测效果，而仅仅意味着“更扁平的P-R曲线”（可自行脑补该曲线）。\n**本文上篇完。**\n**关于mmAP的其他特点，及在这些特点的基础上怎样理解“为何有些论文会涨点”，以及mmAP局限等内容，且听本文下回分解：**[浅析经典目标检测评价指标--mmAP（二）](https://zhuanlan.zhihu.com/p/56899189)\nPS：旷视南京研究院全职、实习岗位持续open，欢迎推荐、自荐，简历请发送至南京研究院负责人：songrenjie@megvii.com\n编辑于 2021-03-22 08:04\n[计算机视觉](https://www.zhihu.com/topic/19590195)\n[目标检测](https://www.zhihu.com/topic/19596960)\n[深度学习（Deep Learning）](https://www.zhihu.com/topic/19813032)\n​赞同 520​​63 条评论​1008 ​41 \n​分享\n​申请转载​\n​\n![](https://pic1.zhimg.com/v2-d41c2ceaed8f51999522f903672a521f_l.jpeg)\n未登录用户\n  \n\n63 条评论\n默认\n最新\n[![xxyp](https://picx.zhimg.com/e7b4309dd093141718cc65ab90dd258d_l.jpg?source=06d4cd63)](https://www.zhihu.com/people/20a738d4667f77746630d7e605d3d9ce)\n[xxyp](https://www.zhihu.com/people/20a738d4667f77746630d7e605d3d9ce)\n认真读了您的文字，受益匪浅，醍醐灌顶，谢谢您！\n2019-02-20\n​回复​7\n展开其他 1 条回复​\n[![驾雾](https://picx.zhimg.com/v2-dbbfc7c29455a69053f44caabcfc0206_l.jpg?source=06d4cd63)](https://www.zhihu.com/people/d0d6dff437be87bc47aa88437199a4d2)\n[驾雾](https://www.zhihu.com/people/d0d6dff437be87bc47aa88437199a4d2)\n感谢您的分享。有个地方有点疑问：如果一个GT与两个DT的iou都超过了阈值，而在遍历时，首先遍历到iou较小的DT，这样结果不是就不够准确了吗？\n2019-03-01\n​回复​2\n[![zzzz1](https://picx.zhimg.com/0ad9f3b9b469cb1c49e1c61f50a0da4a_l.jpg?source=06d4cd63)](https://www.zhihu.com/people/d860de46adefb6fc2b909217d13e9064)\n[zzzz1](https://www.zhihu.com/people/d860de46adefb6fc2b909217d13e9064)\n作者\n这个结果的不准确并不是评价指标造成的，而是检测器本身性能不好造成的。给好的检测结果打低分本身就是一种性能差的体现。在使用检测器时，通常是卡一个分数阈值，要么都保留要么滤掉低分的，并不会出现保留低分滤掉高分的情况，因此评价和匹配都需要按分数排序。\n2019-03-02\n​回复​2\n展开其他 2 条回复​\n[![AIer 蓝蒂斯](https://picx.zhimg.com/820a9ac0eaea8ed1b97b3af627648387_l.jpg?source=06d4cd63)](https://www.zhihu.com/people/c7059165df283f1843e0c7dde235843a)\n[AIer 蓝蒂斯](https://www.zhihu.com/people/c7059165df283f1843e0c7dde235843a)\n目前见过讲的最清楚的，赞！\n2023-03-24\n​回复​1\n[![大魔导师](https://pica.zhimg.com/v2-7b1851ba53b553984bf78c7dec4cf134_l.jpg?source=06d4cd63)](https://www.zhihu.com/people/121ef2753a2a181729b748c271d78d50)\n[大魔导师](https://www.zhihu.com/people/121ef2753a2a181729b748c271d78d50)\n多张图片的mmAP怎么算？将每张图片的mmAP分别求出来然后取平均吗？还是说在计算时要考虑所有图片的gts和dts？\n2020-07-17\n​回复​3\n展开其他 1 条回复​\n[![为啥非得取个名](https://picx.zhimg.com/v2-68799cb23eec1cd64733787c37f95865_l.jpg?source=06d4cd63)](https://www.zhihu.com/people/7011cdda4a31fe8dd3431b9142174e5f)\n[为啥非得取个名](https://www.zhihu.com/people/7011cdda4a31fe8dd3431b9142174e5f)\n每给定一个阈值就可以计算出一个性能（也就是mAP，后面详述）\n  \n\n先给定一个IOU阈值，然后将所有的GT和DT按照类别先进行划分，用同一类的所有GT和DT计算出一个性能（也就是AP，马上详述）\n  \n\n楼主你的表述前后不一致啊，给定一个IOU阈值，能够确定mAP,还是AP，按照我的理解，一个IOU阈值只能确定一对（P,R）值，也就是P-R曲线上的一个点，不能得到mAP，也不能得到AP\n2019-07-08\n​回复​1\n展开其他 1 条回复​\n[![泡泡糖](https://picx.zhimg.com/v2-aebe5b8b3411860f06349628f9429abd_l.jpg?source=06d4cd63)](https://www.zhihu.com/people/4e72f2aa5ee4e7b94ac630dfeeee00b7)\n[泡泡糖](https://www.zhihu.com/people/4e72f2aa5ee4e7b94ac630dfeeee00b7)\nP = TP / (TP + FP) 是不是就P = TP / (TP + FP)=TP/DTs呢？\n2019-04-03\n​回复​1\n[![zzzz1](https://picx.zhimg.com/0ad9f3b9b469cb1c49e1c61f50a0da4a_l.jpg?source=06d4cd63)](https://www.zhihu.com/people/d860de46adefb6fc2b909217d13e9064)\n[zzzz1](https://www.zhihu.com/people/d860de46adefb6fc2b909217d13e9064)\n作者\n对的\n2019-04-03\n​回复​喜欢\n展开其他 1 条回复​\n[![柏拉图爱唠叨](https://pic1.zhimg.com/v2-558d7ef4f9d0b7f96a0e14f2e42acecd_l.jpg?source=06d4cd63)](https://www.zhihu.com/people/447668ae609bcd066951570ede094e9c)\n[柏拉图爱唠叨](https://www.zhihu.com/people/447668ae609bcd066951570ede094e9c)\n文中“因此如果有多个检测结果都与同一个GT匹配，那么分数最高的那个会被算为TP，其余均为FP。”我认为是一个悖论。计算IoU时是按照置信度分数排序从上至下计算的，当分数高的DT匹配上GT时，GT会从GTs中取走。置信度分数低的DT在计算IoU时，GTs里面已经没有所谓的“同一个GT”了。\n2025-04-17\n​回复​喜欢\n[![开心锤锤](https://picx.zhimg.com/v2-abed1a8c04700ba7d72b45195223e0ff_l.jpg?source=06d4cd63)](https://www.zhihu.com/people/13d8142773c3ae916e7d565a81f1fd9c)\n[开心锤锤](https://www.zhihu.com/people/13d8142773c3ae916e7d565a81f1fd9c)\niou是不是就是置信度啊\n2021-07-28\n​回复​喜欢\n[![luo13](https://pic1.zhimg.com/v2-f1c690a7c2b232b1d865d84f33c555f7_l.jpg?source=06d4cd63)](https://www.zhihu.com/people/a1215743a476d5a9ecc0d237bccba32a)\n[luo13](https://www.zhihu.com/people/a1215743a476d5a9ecc0d237bccba32a)\n你好，非常感谢您的分享，但有一个小小的疑惑，为什么最后一个图中，蓝线P会有0的情况\n2020-08-14\n​回复​喜欢\n[![tyler tang](https://picx.zhimg.com/v2-abed1a8c04700ba7d72b45195223e0ff_l.jpg?source=06d4cd63)](https://www.zhihu.com/people/287ccb3d042203b28d5eeec8dd3a6e71)\n[tyler tang](https://www.zhihu.com/people/287ccb3d042203b28d5eeec8dd3a6e71)\n“值得注意的是，当“截取”到的新结果为FP时，因为R没有变化所以并不会有新的（R，P）点诞生。”\n这句话有问题吧， R没变化P会降低啊？可能对修正后的RP曲线还有点意义\n2020-08-08\n​回复​喜欢\n点击查看全部评论\n![](https://pic1.zhimg.com/v2-d41c2ceaed8f51999522f903672a521f_l.jpeg)\n未登录用户\n  \n\n关于作者\n[![zzzz1](https://pic1.zhimg.com/0ad9f3b9b469cb1c49e1c61f50a0da4a_l.jpg?source=32738c0c&needBackground=1)](https://www.zhihu.com/people/zhao-bo-rui-42)\n[zzzz1](https://www.zhihu.com/people/zhao-bo-rui-42)\n[ 回答 **11** ](https://www.zhihu.com/people/zhao-bo-rui-42/answers)[ 文章 **2** ](https://www.zhihu.com/people/zhao-bo-rui-42/posts)[ 关注者 **649** ](https://www.zhihu.com/people/zhao-bo-rui-42/followers)\n​关注他​发私信\n大家都在搜\n换一换\n[江歌妈妈发长文尘埃终将落定704 万](https://www.zhihu.com/search?q=%E6%B1%9F%E6%AD%8C%E5%A6%88%E5%A6%88%E5%8F%91%E9%95%BF%E6%96%87%E5%B0%98%E5%9F%83%E7%BB%88%E5%B0%86%E8%90%BD%E5%AE%9A&search_source=Trending&utm_content=search_hot&utm_medium=organic&utm_source=zhihu&type=content&request_click_id=686e1cc8-32bf-409b-acd5-e2921a4a0f7b)热\n[中国男足 0-5 巴勒斯坦562 万](https://www.zhihu.com/search?q=%E4%B8%AD%E5%9B%BD%E7%94%B7%E8%B6%B3+0-5+%E5%B7%B4%E5%8B%92%E6%96%AF%E5%9D%A6&search_source=Trending&utm_content=search_hot&utm_medium=organic&utm_source=zhihu&type=content&request_click_id=686e1cc8-32bf-409b-acd5-e2921a4a0f7b)热\n[原央视主持人阿丘回应被通报419 万](https://www.zhihu.com/search?q=%E5%8E%9F%E5%A4%AE%E8%A7%86%E4%B8%BB%E6%8C%81%E4%BA%BA%E9%98%BF%E4%B8%98%E5%9B%9E%E5%BA%94%E8%A2%AB%E9%80%9A%E6%8A%A5&search_source=Trending&utm_content=search_hot&utm_medium=organic&utm_source=zhihu&type=content&request_click_id=686e1cc8-32bf-409b-acd5-e2921a4a0f7b)热\n[华为与赛力斯达成新五年合作409 万](https://www.zhihu.com/search?q=%E5%8D%8E%E4%B8%BA%E4%B8%8E%E8%B5%9B%E5%8A%9B%E6%96%AF%E8%BE%BE%E6%88%90%E6%96%B0%E4%BA%94%E5%B9%B4%E5%90%88%E4%BD%9C&search_source=Trending&utm_content=search_hot&utm_medium=organic&utm_source=zhihu&type=content&request_click_id=686e1cc8-32bf-409b-acd5-e2921a4a0f7b)热\n[迪拜航空确认航班发生事故398 万](https://www.zhihu.com/search?q=%E8%BF%AA%E6%8B%9C%E8%88%AA%E7%A9%BA%E7%A1%AE%E8%AE%A4%E8%88%AA%E7%8F%AD%E5%8F%91%E7%94%9F%E4%BA%8B%E6%95%85&search_source=Trending&utm_content=search_hot&utm_medium=organic&utm_source=zhihu&type=content&request_click_id=686e1cc8-32bf-409b-acd5-e2921a4a0f7b)热\n[东航回应网传空姐跪地道歉326 万](https://www.zhihu.com/search?q=%E4%B8%9C%E8%88%AA%E5%9B%9E%E5%BA%94%E7%BD%91%E4%BC%A0%E7%A9%BA%E5%A7%90%E8%B7%AA%E5%9C%B0%E9%81%93%E6%AD%89&search_source=Trending&utm_content=search_hot&utm_medium=organic&utm_source=zhihu&type=content&request_click_id=686e1cc8-32bf-409b-acd5-e2921a4a0f7b)\n[王楚钦：不知道为什么就是感觉累320 万](https://www.zhihu.com/search?q=%E7%8E%8B%E6%A5%9A%E9%92%A6%EF%BC%9A%E4%B8%8D%E7%9F%A5%E9%81%93%E4%B8%BA%E4%BB%80%E4%B9%88%E5%B0%B1%E6%98%AF%E6%84%9F%E8%A7%89%E7%B4%AF&search_source=Trending&utm_content=search_hot&utm_medium=organic&utm_source=zhihu&type=content&request_click_id=686e1cc8-32bf-409b-acd5-e2921a4a0f7b)热\n[江苏高考作文《衬衫的价格为 9 磅 15 便士》爆火268 万](https://www.zhihu.com/search?q=%E6%B1%9F%E8%8B%8F%E9%AB%98%E8%80%83%E4%BD%9C%E6%96%87%E3%80%8A%E8%A1%AC%E8%A1%AB%E7%9A%84%E4%BB%B7%E6%A0%BC%E4%B8%BA+9+%E7%A3%85+15+%E4%BE%BF%E5%A3%AB%E3%80%8B%E7%88%86%E7%81%AB&search_source=Trending&utm_content=search_hot&utm_medium=organic&utm_source=zhihu&type=content&request_click_id=686e1cc8-32bf-409b-acd5-e2921a4a0f7b)\n[女装网店开始用防拆带了265 万](https://www.zhihu.com/search?q=%E5%A5%B3%E8%A3%85%E7%BD%91%E5%BA%97%E5%BC%80%E5%A7%8B%E7%94%A8%E9%98%B2%E6%8B%86%E5%B8%A6%E4%BA%86&search_source=Trending&utm_content=search_hot&utm_medium=organic&utm_source=zhihu&type=content&request_click_id=686e1cc8-32bf-409b-acd5-e2921a4a0f7b)\n[孕妇骑车别车被司机踹翻257 万](https://www.zhihu.com/search?q=%E5%AD%95%E5%A6%87%E9%AA%91%E8%BD%A6%E5%88%AB%E8%BD%A6%E8%A2%AB%E5%8F%B8%E6%9C%BA%E8%B8%B9%E7%BF%BB&search_source=Trending&utm_content=search_hot&utm_medium=organic&utm_source=zhihu&type=content&request_click_id=686e1cc8-32bf-409b-acd5-e2921a4a0f7b)\n### 推荐阅读\n# [浅析经典目标检测评价指标--mmAP（二） 本文上篇介绍了mmAP这一经典的目标检测评价指标的定义初衷和具体计算方式。下面我们来谈谈mmAP的诸多特点。通过分析我们甚至可以发现某些特点较反直觉，而某些特点可以加以利用达到“涨点”… zzzz1 ](https://zhuanlan.zhihu.com/p/56899189)# [深度学习目标检测模型-评价指标 目标检测模型的评价指标主要包括均值平均精度(Mean Average Precision，mAP)和检测帧率(Frames Per Second，FPS)。 (1) mAP mAP 是由不同 score 阈值下的精确率(Precision)和召回率(Recall)… AI高级人...发表于深度人脸识... ](https://zhuanlan.zhihu.com/p/477754061)# [R数据分析：再写潜在类别分析LCA的做法与解释 应粉丝要求，再给大家写一期潜在类别分析的教程，尽量写的详细一点。 首先，问题导入，啥是潜在类别分析？ Latent Class Analysis (LCA) is a statistical model in which individuals can … Codewar ](https://zhuanlan.zhihu.com/p/354914077)[ ![机器学习算法评估指标——2D目标检测](https://picx.zhimg.com/v2-cb8d86c5464286c53681733215324a62_250x0.jpg?source=172ae18b)机器学习算法评估指标——2D目标检测 格物钛发表于技术分享 ](https://zhuanlan.zhihu.com/p/142820457) \n\n_想来知乎工作？请发送邮件到 jobs@zhihu.com_\n打开知乎App\n在「我的页」右上角打开扫一扫\n![](https://picx.zhimg.com/v2-9e41ea16bdfbe9cf4896617ecad5b4ca.png)\n其他扫码方式：微信\n下载知乎App\n无障碍模式\n验证码登录\n密码登录\n[开通机构号](https://zhuanlan.zhihu.com/org/signup)\n中国 +86\n获取短信验证码\n忘记密码\n登录/注册\n其他方式登录\n未注册手机验证后自动登录，注册即代表同意[《知乎协议》](https://www.zhihu.com/term/zhihu-terms)[《隐私保护指引》](https://www.zhihu.com/term/privacy)\n扫码下载知乎 App\n关闭二维码\n",
  "body_base_path": "attachments/67ab6880f8e3/pages/",
  "body_markdown_path": "attachments/67ab6880f8e3/pages/archived-body.md",
  "local_html": "attachments/67ab6880f8e3/pages/archived-body.html",
  "body_source": "prior_capture"
}