一些概念

	True
Predict	True postive	False postive	预测为正类
	False negivate	True negivate	预测为负类
	真实为正类	真实为负类

　　precision--检测准确率 = tp/(tp + fp)

　　recall--漏检率（召回率）= tp/(tp + fn)

　　IOU( intersection-over-union)--表示网络预测框与标注框的重合程度

　　　　　

　　　　　　若黄框为网络的预测结果，绿框为标注结果，IOU=（黄∩绿）/（黄∪绿），在目标检测中，IOU大于某一阈值时认为目标被检测出来

　　mAP（mean average precision）--平均精度均值，衡量目标检测算法的精确度

　　　　多个类别物体检测中，每一个类别都可以根据recall和precision绘制一条曲线，AP就是该曲线下的面积，mAP是多个类别AP的平均值