图像检测的三个目的 & 对应的评价标准
| 1. 分类 | precision(top1/top5) |
| 2. 定位 + 分类 | IoU (交并比) |
| 3. 物体检测 | mAP(mean average precision) |
Precision
top1
预测结果和最后概率向量中的概率最大的选项一致，预测正确；否则，预测错误。
top5
预测结果出现在最后概率向量概率前五大的选项中，预测正确；否则，预测错误。
IoU
交并比（Intersection-over-Union，IoU），用于衡量定位准确度，是产生的候选框（candidate bound）与原标记框（ground truth bound）的交叠率，即它们的交集与并集的比值。
最理想情况是完全重叠，即比值为1。一般≥0.5可认为定位成功。
图1 示例图
计算公式如下所示：
mAP
mean average precision 平均精度均值，在CV中用来衡量模型在测试集上检测精度的优劣程度；综合考虑检测结果的召回率和准确率，mAP值越高表示检测结果越好。
计算原理
召回率(recall) : 选取的N个样本里选对的x个正样本占总的M个正样本的比例 x/M；
准确率(precision) : 选取的N个样本里选对x个正样本比例 x/N；
选择的样本数N越多，召回率越高，准确率越低。