感謝網友生活不只*眼前的苟且的幫助，
今天在閱讀faceboxes的**~
讀的時候有的地方沒有看懂，就是評測指標這裡，
這裡使用了乙個指標叫做map，我先以為這個map是「多分類中的map指標」，後來看來一下作者github中給出的鏈結，
然後我用**試了一下，發現是如下的結果，
可以看到，這裡的橫座標是 false positives（也就是fp的數量），縱座標是 true positive rate，也就是醫學中常用的真陽率，我感覺這篇部落格《真陽率（true positive rate）、假陽率（false positive rate），auc，roc》寫的還是挺好的，其實tpr的概率起源於醫學中，主要指的是分辨醫學指標顯示為陽性、然後也確實患病的概率，由此可以來評價這個指標的準確度~
首先，我們需要明確的是，人臉檢測中的map與多分類中的map指標是不同的，
它指的是：在不同得分閾值下對tp的判斷標準不同，於是會對應不同數量的 false positive，從而與不同tpr的對應的關係；
其實我們仔細看看tpr的定義就會知道，trp其實就是recall；
由此產生的曲線，即為map的曲線，也就是我們在前言中展示的曲線圖，實際上就是不同閾值下recall值的曲線圖；
對於**中使用的指標，我們再來看看其表述，
他們使用的是在出現1000個fp時的tpr，相當於這裡使用1000個fp動態規定了score判定正負樣本的閾值，並計算此時的recall；
但是這裡如何根據fp資料進行統計呢，我們再來回顧一下這個tpr-fp的曲線，
乙個比較奇怪的情況是，這裡的橫座標是 false positives，那麼我們怎麼根據fp數目再來統計tpr呢？
其實方法跟多分類中的統計是類似的，將模型輸出的bbox按照score進行從高往低排序，然後逐個統計不同trp情況下fp的數目；
目標檢測中map的含義
詳見下文，講的非常詳細 what is map understanding the statistic of choice for comparing object detection models 不想看英文的，可以直接看我的注釋 1.對於某個類別c，在某一張上 首先計算c在一張上的precisi...
物體檢測中的mAP含義
1.對於某個類別 c c 在某一張上，首先計算 c role presentation style position relative c c在一張上的pr ecis ion pre cisi on precis ion 在一張圖 片上類別 c識別正 確的個數 也就是 iou 0.5 一 張 上 類...
目標檢測中的mAP是什麼含義？
這裡首先介紹幾個常見的模型評價術語，現在假設我們的分類目標只有兩類，計為正例 positive 和負例 negtive 分別是 1 true positives tp 被正確地劃分為正例的個數，即實際為正例且被分類器劃分為正例的例項數 樣本數 2 false positives fp 被錯誤地劃分為...