导读：如上PR曲线，XY坐标中的Recall/Precision分别代表什么？Recall，翻译成“召回率”，能理解啥意思不？甚至在姿态检测任务中也用这个作为评估指标。对他们好熟悉但说不准意思？本文，试图从举例出发，理解更复杂的mAP、AR，不在话下。

---

一、Recall & Precision

举个栗子：盒子里有10个球，5个黑球，5个红球。你想用机器人去找黑球，抓取6次返回结果分别是：黑 | 红 | 黑 | 黑 | 红 | 黑

那么，黑球的准确率为：
$$Precision(黑)=\frac{4}{6}$$
其Recall为：
$$Recall(黑)=\frac{4}{5}$$

通过对比，不难发现Precision和Recall的区别在于分母，即：

• Precision，准确率，分母是抓取的次数：6次。
• Recall，召回率，分母是某种类的总数：5个黑球

Recall，翻译成“查全率”，似乎更合适。两者总结为：

二、mAP

还是上述栗子，假设有一个robot 1，它查10次的结果如下：

2.1 Recall

一共有5个黑球，即recall分母是5，那么对应1—>10次的Recall，计算如下：

1/5=0.2 1/5=0.2 2/5=0.4 2/5=0.4 2/5=0.4 3/5=0.6 3/5=0.6 3/5=0.6 4/5=0.8 5/5=1.0

2.2 Precision

precision:分母是会变化的，注意是实际检测的次数总数1—>10

1/1=1.0 1/2=0.5 2/3=0.67 2/4=0.5 2/5=0.4 3/6=0.5 3/7=0.43 3/8=0.375 4/9=0.44 5/10=0.5

2.3 AP

Average precision of Robot 1，即机器人Robot1识别黑球的准确率，计算如下：
$$AP(case1)=(1.0+2/3+0.5+4/9+0.5)/5=0.62$$

2.4 mAP

假设换了一个盒子，里面有3个黑球，7个白球。10次结果如下：

Average precision of Robot 1在当前case下的平均识别率，计算如下：
$$AP(case2)=(0.5+0.4+0.43)/3=0.44$$

mean average precision，即计算在case1和case 2下的AP的均值，即
$$mAP(case1:case2)=(0.62+0.44)/2=0.53$$

这里，case1 和case 2可以理解成不同阈值的情况。

三、IoU

IoU，即Intersection over Union，字面意思即可理解。交叉面积与合并面积的比值。

扩展一点，IoU不能准确反应检测框的好坏，如

IoU相等，即重叠部分相等，但不重叠部分有多种情况

重叠部分相等，不重叠也相等，但中心点不一

针对IoU中存在的不同情况，多种IoU类型可以在检测中使用，概览如下：

四、OKS （object keypoint similarity）

OKS（Object Keypoint Similarity），这个指标启发于目标检测中的IoU指标，目的就是为了计算真值和预测人体关键点的相似度。对一个人物p，OKS分数定义如下其定义如下：

$d_i$表示编号为i的关键点欧式距离。

有关OKS的详细理解，可参考博客：
https://blog.csdn.net/m0_37163827/article/details/84887811