如果做VOC competition一定會用到一個評價指標（evaluation measure）叫做ap（average precision）；事實上在VOC中都提供了計算ap的方式，在VOC12中，代碼在\VOCdevkit\VOCcode目錄下的VOCevaluation.m和VOCap.m兩個文件中。代碼如下：
[so,si]=sort(-out);%out is the result from your classifier
tp=gt(si)>0;
fp=gt(si)<0;
fp=cumsum(fp);%判爲負樣本的數
tp=cumsum(tp);%判爲正樣本的數
rec=tp/sum(gt>0);%召回率
prec=tp./(fp+tp);%精確度
ap=VOCap(rec,prec);
function ap = VOCap(rec,prec)
mrec=[0 ; rec ; 1];
mpre=[0 ; prec ; 0];
for i=numel(mpre)-1:-1:1
mpre(i)=max(mpre(i),mpre(i+1));
end
i=find(mrec(2:end)~=mrec(1:end-1))+1;%去掉mrec中重複的部分，+1是保持下標的一致
ap=sum((mrec(i)-mrec(i-1)).*mpre(i));%area=（x(2)-x(1)）*y如果只需要ap的結果，上面的代碼就夠了，需要注意的一點是2010之前和之後ap的計算方式是不同的。具體而言，ap計算相當於計算precision/recall曲線下方的面積，也就是平均精度。在VOC07計算ap時,取rec上的11個位置[0:0.1:0.1:1]，然後得到近似的ap；12之後取所有rec上的不同座標值，計算ap，由於兩個precision對於recall是分段線性的，故可以得到精確的ap值。
下面從基本概念分析ap的值所代表的含義以及上面的代碼。
以正負樣本分類爲例，分類的樣本根據分類結果有四類：true positive（被正確分類的正例）false negative（本來是正例，錯分爲負例） true negative（被正確分類的負例）false positive（本來是負例，被錯分爲整理）。
如上所說的，計算ap用到了兩個指標：precision和recall；
precision：衡量一個結果的準確度，也稱爲PPV（positive predictive value）；
recall：衡量一個結果的完整性，也被稱爲true positive rate或sensitivity。
wiki中有個圖非常形象的表示出了這幾個基本概念：
對於一個分類器而言，precision和recall往往是此消彼長的，一個極端的例子是：如果把所有樣本都判爲正樣本，那個precision就會很小，而recall此時達到最大爲1；相反地如果只把極少數的樣本判爲正樣本，那麼可能能得到很高的precision，而結果不夠完整。
ap這個指標則很好的兼顧了兩者。可以將它看成precision/recall曲線下方圍成的曲面面積，如下圖：
其中橫座標是recall，縱座標是precision，precision是關於recall分段常數的函數。所以計算ap的時候通過計算陰影部分每個小矩形的面積然後再求和就行。而在voc2007中計算ap的時候，相當於人爲的將橫座標每個區間分成0.1的長度，通過10個矩形的面積相加得到最後的結果。