6.1 评估指标 mAP 与 IoU

6.1 评估指标 mAP 与 IoU

本节摘要：检测模型有多准？本节讲 IoU、Precision/Recall、mAP、COCO 指标——衡量检测器的标尺。

本节地图

阅读完本节，你应当能够：

1. 计算 IoU
2. 理解 Precision/Recall
3. 读懂 mAP 和 COCO 指标

概念脉络

一、IoU（交并比）

IoU（Intersection over Union）衡量预测框和真实框的重叠程度：

• IoU=1：完全重合
• IoU=0：不相交
• 通常 IoU>0.5 算正确检测（TP）

def compute_iou(box_a, box_b):
    """box: [x1, y1, x2, y2]"""
    x1 = max(box_a[0], box_b[0]); y1 = max(box_a[1], box_b[1])
    x2 = min(box_a[2], box_b[2]); y2 = min(box_a[3], box_b[3])
    inter = max(0, x2 - x1) * max(0, y2 - y1)
    area_a = (box_a[2]-box_a[0]) * (box_a[3]-box_a[1])
    area_b = (box_b[2]-box_b[0]) * (box_b[3]-box_b[1])
    union = area_a + area_b - inter
    return inter / union if union > 0 else 0
​

IoU 是"框和框有多像"的度量，检测的每个环节（标签分配、NMS、评估）都在用它。注意 IoU 只看重叠面积，不看中心距离和长宽比——两个中心相距很远但面积重叠大的框，IoU 也会高，这是 IoU 家族的 DIoU/CIoU 要补的缺陷。

二、TP/FP/FN

TP/FP/FN 的判定需要"预测框与真值框匹配"：通常每个真值框最多匹配一个预测框，匹配成功记 TP，多余的预测框记 FP，没被匹配的真值框记 FN。匹配的 IoU 阈值不同（0.5 还是 0.75），统计结果天差地别。

三、Precision 和 Recall

• Precision 高：检出的多为对，但可能漏
• Recall 高：真目标多检出，但可能有误检
• 两者权衡，看 PR 曲线

Precision 和 Recall 是矛盾的两端：把置信度阈值调低，检出更多框，Recall 上升但误检增加，Precision 下降；阈值调高则相反。单独报一个数字没有意义，必须看两者随阈值变化的整条曲线。

四、PR 曲线与 AP

图 6-1 PR 曲线与 mAP

按置信度阈值从高到低排序检测，计算每个阈值下的 Precision/Recall，画 PR 曲线。AP（Average Precision）= PR 曲线下面积。

# 计算 AP 的核心逻辑（按置信度降序累积 TP/FP）
def compute_ap(scores, gt_flags):
    """scores: 所有预测框的置信度；gt_flags: 是否匹配到真值"""
    order = np.argsort(scores)[::-1]
    tp = gt_flags[order].cumsum()
    fp = (1 - gt_flags[order]).cumsum()
    recall = tp / num_gt
    precision = tp / (tp + fp)
    # 曲线下面积（VOC 的 101 点插值或 COCO 的 100 段积分）
    return np.trapz(precision, recall)
​

AP 把"检测出的有多准"和"真目标检出多少"压缩成一个数字，同时它又随 IoU 阈值变化——所以现代评估会报告不同 IoU 下的 AP 值。

五、mAP

mAP（mean Average Precision）= 所有类别 AP 的平均：

mAP 是检测最核心的指标，综合精度和召回。

为什么按类别平均而不是全局统计？不同类别的难易差异很大：行人这种细长目标和小轿车这种紧凑目标，AP 可能差 20 个点。按类别平均后，稀有类别、难类别的表现不会完全被易类别淹没，更能反映模型的真实水平。

六、COCO 评估指标

COCO 数据集定义更严格的评估：

COCO 主指标 mAP@[0.5:0.95] 比 VOC 的 mAP@0.5 严格得多（要求高 IoU 下也准）。

mAP@0.5 只要框和真值有 50% 重叠就算对，很多"框得比较偏"的错误被容忍；mAP@[0.5:0.95] 在 0.5 到 0.95 十个 IoU 阈值下分别算 AP 再平均，要求框在高重叠下也准。这也是为什么同一模型在两个指标上数字差很大——COCO 主指标对框的精细程度更敏感。

七、速度指标

注意 FPS 依赖硬件和输入尺寸，对比要固定条件。FPS 与延迟是倒数关系，但批处理时延迟可能不变而吞吐上升，评测时要明确是单帧延迟还是批量吞吐。FLOPs 只反映理论计算量，实际速度还受访存、算子实现影响，只能做粗略参考。

八、评估注意事项

• 看分尺度：别只看总 mAP，看 AP_small（小目标难）
• 看速度：精度和速度权衡，固定硬件对比
• 看置信度：PR 曲线随置信度阈值变
• 看 IoU 阈值：mAP@0.5 比 mAP@[0.5:0.95] 高很多

问：mAP 高就一定好用吗？ 不一定。业务还要看具体错误类型：安防场景假阳性（误报）比假阴性（漏报）成本低，医疗相反。mAP 是综合指标，业务上线前要按场景看 Precision/Recall 的取舍点，甚至单独统计特定类别、特定尺度的表现。

⚠️ 常见坑：只看 mAP@0.5 不看 mAP@[0.5:0.95]——前者宽松（IoU 0.5 就算对），后者严格（高 IoU 也要准），COCO 主指标是后者。

💡 关键直觉：IoU 衡量框重叠，TP/FP/FN 算 Precision/Recall，PR 曲线下面积是 AP，各类 AP 平均是 mAP。COCO 主指标 mAP@[0.5:0.95]（严格）。还要看分尺度 AP 和速度。

重点提炼

• IoU：交并比，>0.5 通常算 TP。
• TP/FP/FN：真阳性/假阳性/假阴性，按 IoU 阈值匹配统计。
• Precision/Recall：检测出的多准/真目标检出多少。
• PR 曲线：不同置信度阈值的 P-R，曲线下面积 = AP。
• mAP：各类 AP 平均，检测核心指标。
• COCO 指标：mAP@[0.5:0.95]（主指标，严格）、mAP@0.5、AP_small/medium/large、AR。
• 速度：FPS、延迟、FLOPs、参数量，固定硬件对比。
• 注意：看分尺度、看速度、看 IoU 阈值，COCO 主指标严格。

下一节讲模型部署。