1.做目标检测项目，就会涉及模型的评价指标。目标检测常见的评价指标是mAP。
2.讲mAP之前，首先需要知道：recall，precision等基本概念。以上概念在机器学习的二分类常常用到，但是怎么引用到目标检测呢？
3.目标检测可以理解成回归＋分类问题。回归用于预测检测框的大小与位置，分类用于判断该框里面的内容属于什么类别，且输出该类别置信度。
4.绘制PR曲线，绘制PR曲线，需要根据置信度大小排序，然后统计各个阶段的recall，precision。最后绘制图像。我当时就做的主要是人形检测，因此只有一个类别。目标检测中绘制单个类别的PR曲线的具体操作：1.首先读取xml文件中label。记录下每张照片里面的该类别的真实框。记为group_truth。并统计所有照片下该类别的总数。记为truth_num。2.将训练好的模型导出，并作预测，得到预测框。记为：group_pre。3.计算每张照片里面的预测框与真实框的IOU。IOU>=0.5 记为1，否则为0（0.5阈值可以根据实际情况随意取）.并将该label（0 or 1）与置信度放进一个list。4.根据以上list，按照置信度排列，从大到小排序。这就可以绘制PR曲线。
5.通过步骤4已经可以画出每个类别的PR曲线，AP就是PR曲线与坐标轴围成的面积（近似理解），mAP是衡量多类别目标检测的指标，其中m是mean的意思。即多个类别求AP均值。将各个类别AP加起来，除以该类别即可。
6.代码随后附上。我导入的是caffe模型，xml是labelimg做的。
top1-----就是你预测的label取最后概率向量里面最大的那一个作为预测结果，如过你的预测结果中概率最大的那个分类正确，则预测正确。否则预测错误
top5-----就是最后概率向量最大的前五名中，只要出现了正确概率即为预测正确。否则预测错误。
