平均精度均值

目标检测和分割最常用的精度指标：各类别平均精度（AP）再取平均。

平均精度均值（mAP）是目标检测、实例分割最常用的综合指标。先对某一类别把所有预测按置信度排序，只有与真值框的交并比（IoU，两框重叠面积除以并集面积）超过阈值才算对，由此画出精确率-召回率曲线，曲线下面积就是这一类的 AP；再对所有类别取平均即为 mAP。阈值不同数值差别很大：PASCAL VOC 时代常用 IoU=0.5（mAP50）；COCO 则在 0.5 到 0.95、每隔 0.05 的 10 个阈值上各算一次再平均（mAP50-95），对定位精度要求更严。要注意 COCO 论文和排行榜里写的「AP」已经对类别取过平均，官方明确说不区分 AP 和 mAP。读机器人感知论文时，先确认报告的是哪种阈值、在哪个数据集上。

例子Mask R-CNN 论文报告 ResNet-101-FPN 版本在 COCO 上的掩码 AP 为 35.7，这里的 AP 就是在 10 个 IoU 阈值和全部类别上平均后的 mAP。

也叫

AP、mAP50、mAP50-95、mAP@[.5:.95]

相关

交并比、精确率 / 召回率、目标检测、COCO / LVIS 数据集、非极大值抑制、Mask R-CNN

来源

COCO Detection Evaluation（官方评测说明）
Ultralytics: Performance Metrics Deep Dive