在使用机器学习解决实际问题时，通常有很多模型可用。每个模型都有自己的怪癖（quirks），并且基于各种因素，性能会有所不同。
模型性能的评定都是在某个数据集上进行的，通常这个数据集被称为 “validation 或 test” 数据集。模型性能的评价常用的指标有：accuracy、precision、recall等。这些指标的选择需要根据应用场景具体而定。对于特定应用，使用合适的评价指标来客观地比较不同模型的性能是非常重要的。
在本篇，我们将讨论目标检测问题中常用的评价指标 —– Mean Average Precision （mAP）。
一般来说，评价指标是很容易理解、计算的。例如，在二分类任务中，precision 和 recall 是最简单、最容易想到的评价指标。但目标检测与二分类任务不同。目标检测不仅需要检测有没有目标，还需要检测在哪里，什么类别。因此怎么来定量地评价目标检测系统的性能变得有点难度。
要定量地评估一个目标检测系统的性能，那你首先得知道目标检测系统到底解决的问题是什么？
目标检测问题：给定一张图像，找出其中有哪些物体，给出物体的位置，以及类别（原文：Given an image, find the objects in it, locate their position and classify them）。
目标检测模型训练使用的数据集一般只有固定数量的类别，所以模型只能定位、分类图像中特定类别的物体。另外，目标检测系统一般采用 矩形边框 表示目标的位置。
下面的图片展示了 “分类”、“分类+定位”、“目标检测”、“实例分割” 四个任务的目的及区别。
mAP 一般用于目标检测算法（需要同时检出 目标的位置、类别）。当然，mAP 对于 “分类+定位”、“实例分割” 任务的模型的评估也非常有用。
在目标检测中，每张图片可能包含多个类别的多个目标。因此，目标检测模型的评价需要同时评价模型的 定位、分类效果。
因此，在图像分类问题中常使用的 precision 指标不能直接用于目标检测。这时 mAP 进入了人们的视野。我们希望你看完本篇文章后，知道 “什么是 mAP” 及 “其代表的实际意义”。
对于任何算法，评估的过程其实就是 评估预测值与真实值的差距。我们只知道 训练、验证、测试集上的真实值（ground truth）。
对于目标检测问题，ground truth 包括 “image”、“classes of the objects in it” 及 “true bounding boxes of each of the objects in that image”。
一个例子：
我们有实际的 image 及 annotations（bbox(x,y,w,h) 和 class）。
对这个特定的例子，我们的模型在训练过程中可以利用的信息有：
以及三组标记（假设图像的尺寸为 1000×800px，并且所有的位置是像素级别的）。
| 类别 | x 坐标 | y 坐标 | 边框宽度 | 边框高度 |
|---|---|---|---|---|
| Dog | 100 | 600 | 150 | 100 |
| Horse | 700 | 300 | 200 | 250 |
| Person | 400 | 400 | 100 | 500 |
