在機器學習中的目標檢測領域，mAP（mean Average Precision）是十分重要的衡量指標，用於衡量目標檢測演算法的效能。一般而言，全類平均正確率（mAP，又稱全類平均精度）是將所有類別檢測的平均正確率（AP）進行綜合加權平均而得到的。
中文名
全類別平均正確率
外文名
mAP(mean Average Precision)
其它中文名
全類平均正確率，全類平均精度
在機器學習中的目標檢測領域，mAP（mean Average Precision）是十分重要的衡量指標，用於衡量目標檢測演算法的效能。除此之外，用於衡量目標檢測演算法效能的常用指標還有：準確率 （Accuracy），精確率（Precision），召回率（Recall），平均正確率（AP），交併比（IOU）等等。
The computation of the average precision (AP) measure was changed in 2010 to improve precision and ability to measure differences between methods with low AP. It is computed as follows:
1. Compute a version of the measured precision/recall curve with precision monotonically decreasing, by setting the precision for recall r to the maximum precision obtained for any recall r′ ≥ r.
2. Compute the AP as the area under this curve by numerical integration. No approximation is involved since the curve is piecewise constant.
Note that prior to 2010 the AP is computed by sampling the monotonically
decreasing curve at a fixed set of uniformly-spaced recall values 0, 0.1, 0.2, . . . , 1. By contrast, VOC2010–2012 effectively samples the curve at all unique recall values.
在機器學習中的目標檢測領域，mAP（mean Average Precision）是十分重要的衡量指標，用於衡量目標檢測演算法的效能。一般而言，全類平均正確率（mAP，又稱全類平均精度）是將所有類別檢測的平均正確率（AP）進行綜合加權平均而得到的。
中文名
全類別平均正確率
外文名
mAP(mean Average Precision)
其它中文名
全類平均正確率，全類平均精度
在機器學習中的目標檢測領域，mAP（mean Average Precision）是十分重要的衡量指標，用於衡量目標檢測演算法的效能。除此之外，用於衡量目標檢測演算法效能的常用指標還有：準確率 （Accuracy），精確率（Precision），召回率（Recall），平均正確率（AP），交併比（IOU）等等。
一般而言，全類平均正確率（mAP，又稱全類平均精度）是將所有類別檢測的平均正確率（AP）進行綜合加權平均而得到的。
請注意mAP的定義在2010年的時候有過修改（來自於PASCAL VOC CHALLENG官方，一說是2012年修改的），具體修改如下：
The computation of the average precision (AP) measure was changed in 2010 to improve precision and ability to measure differences between methods with low AP. It is computed as follows:
1. Compute a version of the measured precision/recall curve with precision monotonically decreasing, by setting the precision for recall r to the maximum precision obtained for any recall r′ ≥ r.
2. Compute the AP as the area under this curve by numerical integration. No approximation is involved since the curve is piecewise constant.
Note that prior to 2010 the AP is computed by sampling the monotonically
decreasing curve at a fixed set of uniformly-spaced recall values 0, 0.1, 0.2, . . . , 1. By contrast, VOC2010–2012 effectively samples the curve at all unique recall values.
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）的最大精確率Precision，然後對這M個精確率Precision值取平均即得到最後的AP值。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。