换个说法：实验使用精度(Precision，P)、召回率(Recall，R)、平均精度(mean Average Precision，mAP)和每秒帧数(Frame Per Second，FPS)作为实验中对网络模型性能评估的指标。

### 回答1：
在实验中，我们使用了精度（Precision，P）、召回率（Recall，R）、平均精度（mean Average Precision，mAP）和每秒帧数（Frame Per Second，FPS）等指标对网络模型的性能进行评估。这些指标可以帮助我们了解模型的准确性、覆盖率、稳定性和处理速度等方面的表现。

### 回答2：
换个说法，我们可以使用精度、召回率、平均精度和每秒帧数作为对网络模型性能评估的指标。

精度是指分类器正确预测出的正例占所有预测为正例的比例。召回率是指分类器正确预测出的正例占所有实际正例的比例。平均精度是针对多个类别的评估指标，它将各个类别的精度求平均得到。每秒帧数是指网络模型处理每秒钟的帧数。

通过精度和召回率，我们可以得到对分类器的准确性和检出率的评估。高精度和高召回率都是我们希望的。平均精度是对于多类别分类问题的评估，它考虑了各个类别的差异性，可以更有效地评估分类器的性能。每秒帧数则是对模型在实时应用中的效率评估，较高的帧数意味着模型可以更快地处理输入数据。

在实验中，我们可以使用这些指标来评估网络模型的性能。通过比较不同模型的精度、召回率和平均精度，我们可以选择最佳的模型并进行进一步优化。同时，每秒帧数也是一个重要的性能指标，因为在实际应用中，模型的处理速度也是关键的考虑因素之一。