1、IoU(Intersection over Union):
预测框与Ground truth（真实框）的交集与并集的比值。这个量也被称为Jaccard指数。
计算公式
2、TP(True Positive):
loU>0.5的检测框数量 (同一Ground Truth只计算一次)，意思就是预测的样本被分为了正样本，且分对了（即本来就是正样本）。
3、TN(True Negatives):
意思就是预测的样本被分为了负样本，且分对了（即本来就是负样本）。
4、FP(False Positive):
loU<=0.5的检测框 (或者是检测到同一个GT的多余检测框的数量)，意思就是预测的样本被分为了正样本，但是分错了（即本来是负样本）。
5、FN(False Negative):
没有检测到的GT的数量，IoU=0，意思就是预测的样本被分为了负样本，但是分错了（即本来是正样本）。
6、GT(Ground Truth):
ground truth包括图像中物体的类别以及该图像中每个物体的真实边界框。
7、Precision:
TP / (TP +FP)模型预测的所有目标中，预测正确的比例 （又称为查准率）
8、Recall:
召回率，计算方式为TP / (TP ＋FN)所有真实目标中，模型预测正确的目标比例（又称为查全率）
10、AP:
AP为平均精度，使用积分来计算PR曲线与坐标轴围成的面积。
计算方式如下：
11、P-R曲线:
Precision-Recall曲线(即以Precision 和 recall作为纵横坐标的二维曲线。
12、mAP:
(mean Average Precision) ，即各类别AP的平均值。AP 是计算某一类 P-R 曲线下的面积，mAP 则是计算所有类别 P-R 曲线下面积的平均值。
简而言之：AP衡量一个类别的检测效果好坏，mAP则是衡量多个类别检测效果的好坏。把所有类的AP值取相加然后除以类别总数，即可得mAP。比如有两类，类1的AP值是0.8，类2的AP值是0.4，那么mAP=(0.8 + 0.4)/ 2=1.2。
