mAP、准确率和召回率

mAP是平均准确率（mean Average Precision）的缩写，是一种常用的性能评估指标。在理解mAP之前，我们需要先了解准确率（Precision）和召回率（Recall）的概念。

准确率（Precision）指的是在所有检索到的文件中，相关文件所占的比率。换句话说，准确率衡量的是检索到的结果中有多少是相关的。

召回率（Recall）指的是在所有相关文件中，检索到的文件所占的比率。换句话说，召回率衡量的是在所有相关文件中有多少被检索到了。

在实际应用中，准确率和召回率往往是相互制约的，即准确率高时召回率低，召回率高时准确率低。这是因为在提高准确率的过程中，可能会漏掉一些相关文件，从而导致召回率降低；而在提高召回率的过程中，可能会引入一些不相关的文件，从而导致准确率降低。

根据应用场景的不同，我们可以选择侧重准确率还是召回率。如果是单纯做搜索，我们可以在保证召回率的情况下提升准确率；如果是做疾病监测或反垃圾等任务，我们可以在保证准确率的条件下提升召回率。当我们需要同时提高准确率和召回率时，可以使用F1值来衡量，F1值是准确率和召回率的调和平均。

mAP是对召回率取平均得到的平均准确率，常用于预测对象以及类的算法中。具体计算公式为：mAP = 1/Q_R * ∑(q∈Q_R)AP(q)，其中Q_R表示检索到的相关文件的数量，AP(q)表示每个相关文件的准确率。mAP的值越高，表示算法在不同类别上的平均性能越好。

总结起来，mAP是一种综合考虑准确率和召回率的性能评估指标，用于衡量算法在多个类别上的平均表现。
#### 引用[.reference_title]
- *1* *2* [准确率、召回率及mAP](https://blog.csdn.net/qq_30999155/article/details/84935444)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control,239^v3^insert_chatgpt"}} ] [.reference_item]
- *3* [目标框检测中准确率、召回率、AP、mAP计算原理及代码](https://blog.csdn.net/long630576366/article/details/127079634)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]