APbox APmask：目标检测（APbox）和实例分割（APmask）

AP：Average Precision，即平均精确度。

AP50 、AP75 ：即，以0.5 为IoU临界值估计出平均准确度有时固定IoU的阈值，比如50%或75%，也就是AP50和AP75，意味着IoU为50%或者75%时的AP值。

mAP值：Mean Average Precision，即平均AP值；是对多个验证集个体求平均AP值。mAP的大小一定在[0,1]区间，越大越好。该指标是目标检测算法中最重要的一个。

一般来说mAP针对整个数据集而言的，AP针对数据集中某一个类别而言的，而percision和recall针对单张图片某一类别的。

问：我们为什么要在不同的IoU情况下求AP和AR？

方便模型进行惩罚差的结果，优化好的结果。

P：precision，即准确率；R：recall，即 召回率。

PR曲线：即以precision和recall作为纵、横轴坐标的二维曲线。

FPR(false positive rate)，它是指实际负例中，错误的判断为正例的比例，这个值往往越小越好

F1-measure：通常我们使用 precision 和 recall 两个指标来衡量模型的好坏,但是同时要权衡这两个量,影响我们做决策的速度.所以可以使用 F1 score 来组合这两个量(又称 F1 measure):P和 R 的值均是越大越好,因此 F1 score 也越大结果越好。。此外还有F2分数和F0.5分数。F2分数认为召回率的重要程度是精度的2倍，而F0.5分数认为召回率的重要程度是精度的一半。此外还有F2分数和F0.5分数。F2分数认为召回率的重要程度是精度的2倍，而F0.5分数认为召回率的重要程度是精度的一半。

FLOPs：FLoating point OPerationS 即 浮点计算次数，包含乘法和加法，只和模型有关，可以用来衡量其复杂度。

FPS，即每秒帧率 (Frame Per Second)除了检测准确度，目标检测算法的另一个重要评估指标是速度，只有速度快，才能够实现实时检测。FPS用来评估目标检测的速度。即每秒内可以处理的图片数量。当然要对比FPS，你需要在同一硬件上进行。另外也可以使用处理一张图片所需时间来评估检测速度，时间越短，速度越快。

召回率recall和TPR(灵敏度(true positive rate))是一个概念，都是从真实的样本集来统计的，是说在总的正样本中，模型找回了多少个正样本

IoU是英文intersection over union交并比 的简写，意思是检测结果的矩形框与样本标注的矩形框的交集与并集的比值。

“mIoUss”:单尺度评价的mIoU，“mIoUms”:使用多尺度评价的mIoU。“mIoUss”: mIoU of single-scale evaluation, “mIoUms”: mIoU using multi-scale evaluation.

非极大值抑制（NMS）制虽然一般不作评价指标，但是也是目标检测中一个很重要的步骤。

---

但是通常，只有那些往往不能够直观的反应模型性能，所以就有了PR曲线，ROC曲线，AUC值。

PR曲线如何评估模型的性能呢？从图上理解，如果模型的精度越高，召回率越高，那么模型的性能越好。也就是说PR曲线下面的面积越大，模型的性能越好。绘制的时候也是设定不同的分类阈值来获得对应的坐标，从而画出曲线。

参数量：

Params，是指网络模型中需要训练的参数总数。

参考文章

http://t.csdn.cn/BwbqL

AP https://www.bilibili.com/read/cv14176041/

参数量 https://blog.csdn.net/qq_40507857/article/details/118764782