物体检测mAP计算方式(voc07)

iou, 两个图片交并比超过0.5则认为检测正确
precision=TP/(TP+FP), recall=TP/(TP+FN),在一张图片中，针对狗这个类别，TP代表狗被检测成狗，FP代表别的东西被检测成了狗，FN代表狗没有被检测出来
针对一张图片，对某一个类物体检测出来，按照score排序，选择不同的阈值(置信度阈值)，会得到不同的precision和recall，绘制一条precision,recall的曲线，曲线下面的面积就是AP值，VOC07取11个不同recall对应的precision取平均得到mAP
PascalVOC2007，iou=0.5, 在3中得到的PR曲线中，从0到1取11个点，得到11个对应的precision，求这11个precision的平均值
$$
AP=\frac{1}{11}\sum_{r\in{(0,0.1,,,1)}}\rho_{interp(r)}
$$

$\rho_{interp(r)}=max \rho(\hat{r})$这个意思是某个recall点上的precision是之后所有recall值对应的precision值中的最大值

PascalVOC2011，相比较于2007的计算方式，2012不在使用11个点，而是对所有(recall,precison)点做连接，相邻两个点之间计算面积，得到AP值
coco,coco计算了多个iou的mAP,其中一个最重要的是iou从0.5到0.95，每0.05一个步伐，计算所有iou的mAP，然后求平均
VOC2012，对于某个recall，precision值取所有recall>recall中最大值

参考：

英文的这个教程写的很清楚