目标检测中的常见指标，TP，FP，FN，PR，AP，AR_目标检测 tp fp

对目标检测评价指标中的confidence阈值，IOU阈值，recall，precision等参数一直不太理解，也不太清楚他们的作用是什么，在B站看了一位大佬的讲解，也写下自己的理解，如果表述有错误的地方，请大家指正。
大佬视频链接：

目标检测mAP计算以及coco评价标准_哔哩哔哩_bilibili

大佬博客：

https://blog.csdn.net/qq_37541097

置信度（confidence）
模型在检测过程中，一个目标上可能会出现多个框，每一个框会对应一个confidence，confidence阈值就是之后计算TP， FP， TN，FN等参数的界限；
交并比（IOU）
计算模型预测出的框和标签中标注的框的IOU，IOU用于判定目标是真目标还是假目标，大于IOU阈值的框会认定为True，小于IOU阈值的检测框会认定为False；
计算TP， FP， TN，FN
TP：大于IOU阈值且大于confidence阈值（实际是正样本，判定为正样本）；
FP：小于IOU阈值且大于confidence阈值（实际是负样本，判定为正样本）；
TN：小于IOU阈值且小于confidence阈值（实际是负样本，判定为负样本）；
FN：大于IOU阈值且小于confidence阈值（实际是正样本，判定为负样本）；
确定好每一个框是属于真目标还是假目标之后，按照confidence从高到低排列，这里借用一下大佬视频里的图片：
（1）假设confidence阈值为0.66，一共有7个目标

（2）假设confidence阈值为0.52，一共有7个目标

PR曲线
计算出precision和recall之后，以precision为纵轴，recall为横轴，画出PR曲线

AP（average precision）

平均准确率，等于PR曲线下的面积
AR（average recall）

平均召回率，指IOU在[0.5:0.95]区间内依次递增0.05条件下计算出来的recall的平均值

COCO评价指标