首先我们先列举几个常见的评价标准：
分类问题：accuracy, precision, recall, confusion matrix, F1-Measure, ROC curve
检测问题：AP, mAP, IoU value, P-R Curve

接下来我们从简单到复杂逐一介绍。

accuracy

在做分类问题时，最普遍的也是最简单的评价指标就是accuracy，正是因为这种普遍，caffe中已经实现了这个层，那怎么算呢？其实就是假如有10个样本，8个判断对了，2个错了，那么accuracy就是0.8，所以说这是一种很直观的评价方法，但是这是数据平衡的情况下。在数据不平衡的情况下，假如有10个样本，9个正例，1个反例，那么如果分类器无脑全部判定为正例，那么accuracy就是0.9，在test场景中，毫无疑问这个分类器没有任何作用。所以说，accuracy这个评价标准是有局限性的。

precision

precision就是精确度，用公式表示为：
precision = TP/（TP + FP）
TP指的是本来是正样本，预测也是正样本
FP指的是本来是负样本，预测成了正样本
换句话说，precision指的是预测的正样本中有多少是真正的正样本。如果某个任务我们不奢求把所有的正样本都找出来，但是希望找出来的都是对的，那么我们就应该让precision高一些。

recall

recall是召回率，用公式表示为：
recall = TP/（TP + FN）
FN指的是本来是正样本，但是预测成了负样本
换句话说，recall指的是所有真正的正样本中到底找到了多少个。如果某个任务，我们希望宁可错杀一千，绝不放过一个，那么我们就希望recall要高一些。

confusion matrix

没错，这就是一个矩阵。那么它的横纵坐标轴是什么呢？一般说来它的横轴是预测结果，纵轴是groundtruth，举个例子如下图所示

也就是说，它预测了7个cat，其中5个确实是cat，有2个应该是dog，并且有3个事实上是cat的被预测成了dog，因此，根据这个矩阵就可以计算每个类别的precision和recall，并且我们也可以看出，斜对角线上的数值越大，分类器的性能越优越。

F1-Measure

F1 measure 主要是针对数据不平衡情况下的度量，它综合考虑了precision和recall，具体公式如下

因此一般在分类问题中，F1 measure也是每一个类别都有一个值
事实上F1 measure 之所以叫F1是因为在F measure中有一个参数β$\beta$取值为1，在这种情况下相当于均衡考虑了recall和precision的重要性。那接下来看一下完整的F measure公式

如果要着重考虑precision，那么β$\beta$的取值极端情况下取0，则F = precision，如果着重考虑recall，那么β$\beta$极端情况下取正无穷，则F = recall，注重考虑哪个方面主要根据不同应用场景而定。

ROC curve

参考：机器学习之分类器性能指标之ROC曲线、AUC值
ROC曲线的横轴为负正类率(false postive rate FPR)，纵轴为真正类率(true postive rate TPR)，其实就是给confidence设定一个threshold，所有predict的结果大于这个值的都认为是正例，然而这些被认为的正例有对有错，对的就是TP，错的就是FP，而之所以被称为是率，主要是要将当前的TP或FP除以总的TP或FP。下面贴一个常见的表格

上图可知，在20个样本中，10个正例，10个负例，如果threshold取0.51，则有9个样本被认为是正例，这10个样本中6个正确，3个错误，因此横轴的FPR = 3/10 = 0.3，纵轴的TPR = 6/10 = 0.6，因此在ROC curve上就存在该点（0.3，0.6）其他阈值下的计算类似

mAP

终于到了mAP，我们通常认为mAP的度量比precision要科学一些，这主要是因为，倘若一个数据集有9个正样本，1个负样本，那么直接预测时候什么训练都不要做，全部预测为正样本，那么precision为0.9，recall为1.这样看上去，效果非常好，但是这并不科学。因此，需要引入mAP的概念。mAP一句话概括是计算每种recall下最大的precision的平均值。

举例说明，倘若groundtruth为[1,0,1,1,0]，而predict为[0.96,0.94,0.92,0.90,0.88]那么当recall等于1/3时，precision有两个值，分别为1和1/2，当recall等于2/3时，precision为2/3，当recall为1时，precision为3/4和3/5.

那么AP = （1+2/3+3/4）/3 = 29/36

mAP就是在多分类问题中对AP求的平均值

而在object detection 中，被用来计算AP和mAP的区域IOU 是要大于某个阈值的，印象中faster RCNN中应该是0.5。

IOU value这个度量标准，是对最终的bbox的IOU求的平均。

P-R curve就是对precision和recall绘制的曲线，而precision和recall在计算mAP的时候已经得到。而具体概念前文也已经描述，其中横轴是recall纵轴是precision

一般情况下，在object detection时候用验证集的mAP来表示训练模型的性能，当然，因为通常情况下验证集是训练集分出来的，因此数据分布类似，所以这里的mAP一般只能表现模型对训练数据的拟合程度，并不能表示泛化性能。