常見機器視覺國際會議論文出現的目標識別評價標準：AP，AP50，AP75等，權威解釋如下：
Note：
在COCO數據集評價指標中，所有的AP 默認爲mAP 。即，AP50=mAP50AP50=mAP50，AP75=mAP75AP75=mAP75，以此類推。
上圖中AP的計算方法十分繁瑣，來源於早期的VOC challenge，隨着VOC的發展，其計算方法也有所變化，例說簡述如下：
假設如下是一個多目標識別任務在規模N=20的測試數據集上得到的某一類（如car）的score情況（已經根據score大小進行了排序）：
圖1 N=20的測試數據集測試結果（id 是數據集樣本編號，score是推理得分，gt_label是數據集的ground truth）
首先看下Top5指標（較老的論文會出現這個指標，意思是對於某一類，前5張樣本的識別性能指標：precision和recall）
其中Precision=2/5=40%（tp/(tp+fp)）意思是對於car這一類別，我們選定了5（第4、2、13、19、6張）個樣本，其中正確的有2個，即準確率爲40%；Recall=2/6=30%(tp/(tp+fn))意思是在所有測試樣本（第4、2、9、16、7、20張）中，共有6個car，但是因爲我們只召回了2個，所以召回率爲30%。true positives就是指第4和第2張圖片，false positives就是指第13，19，6張圖片（雖然19和6的score小於0.5，但是誰讓他們在top-5的照顧範圍呢）。confidence score排在top-5之外的元素，參見圖1，可知：
true positives是指第9，16，7，20張圖片（雖然confidence score都已經小於0.5了，但是誰讓他們在top-N的照顧範圍呢），false positives是指第1,18,5,15,10,17,12,14,8,11,3張圖片（雖然confidence score都已經小於0.5了，但是誰讓他們在top-N的照顧範圍呢）。------很詭異，暫時理解爲只要在Top-N中有得分（score不爲零）的正例，都歸類爲TP，剩下的有得分（score不爲零）的負例都爲FP（其中，false negatives是指第9，16，7，20張圖片（因爲其confidence score都已經小於0.5了），true negatives是指第1,18,5,15,10,17,12,14,8,11,3張圖片。藍字是另外一種理解，和紅字理解基本相反，但是這樣無法和解釋圖2）。這是爲了解釋圖2的計算結果：
圖2 Top-N的precison和recall計算
從上圖中第二欄和第三欄可以得到p-rc曲線，如圖3：
圖3 20點p-rc曲線
實際多類別分類任務中，我們通常不滿足只通過top-5來衡量一個模型的好壞，而是需要知道從top-1到top-N（N是所有測試樣本個數，本文中爲20）對應的precision和recall。顯然隨着我們選定的樣本越來也多，recall一定會越來越高，而precision整體上會呈下降趨勢。
有了前面的鋪墊，現在可以說說AP這個大boss，首先設定一組閾值，[0, 0.1, 0.2, …, 1]。然後對於recall大於每一個閾值（比如recall>0.3），我們都會得到一個對應的最大precision。這樣，我們就計算出了11個precision。AP即爲這11個precision的平均值。這種方法英文叫做11-point interpolated average precision。
PASCAL VOC CHALLENGE自2010年後就換了另一種計算方法。新的計算方法假設這N個樣本中有M個正例，那麼我們會得到M個recall值（1/M, 2/M, ..., M/M），對於每個recall值r，我們可以計算出對應（r' > r）的最大precision，然後對這M個precision值取平均即得到最後的AP值。如下圖
AP衡量的是學出來的模型在每個類別上的好壞，mAP衡量的是學出的模型在所有類別上的好壞，得到AP後mAP的計算就變得很簡單了，就是取所有AP的平均值
ps:ImageNet比賽中的top-1 和top-5正確率是指：
Top-5正確率：
即對一個圖片，如果得分前五中包含正確答案，即認爲正確。
Top-1正確率：
即對一個圖片，如果得分最大的是正確答案，才認爲正確。