主要参考https://github.com/rafaelpadilla/Object-Detection-Metrics
名词解释
预测结果分为4个类：
TP：你的预测正确的预测了目标
FP：你的预测错误的预测了目标
FN：有一个目标你没检测到
TN：你正确的对非目标，也即是背景做出预测，一般这一项忽略
名词解释：
precision描述了你的所有的预测的正确率是多少。比如说你做出了100个预测，97个是正确的，那么就是0.97.
recall描述了检测率，即是图片中一共有多少目标，你检测到了多少。比如图片一共10个目标，你检测到7个，那么recal就是0.7。
AP的意识就是，固定一个iou阈值，变化confidence阈值，得到曲线，然后计算曲线与recall轴的面积。其意义其实就是算个平均值，不同confidengce阈值下precision的平均值。
为什么平均值是面积？比如你粗略计算一个曲线在某一区间的均值，就是随便取几个点，相加然后平均，而将随便取的几个点的数量趋于无穷，那么此时的求平均公式可以转换成定积分公式，而定积分就是求面积，因此就是面积。
AP0.5是指将iou的threshold定为0.5时的AP。
各个参数的关系
无论哪个目标检测模型，都会输出boxes和boxes是否是目标的预测值，这个在参考文献中叫confidence。而一般来说，一副图片的输出结果会有成千上万个box，一般来说这些box的confidence都很小，因为图片中的背景占的比例多。
而在处理box时，会给定一个阈值，如0.4，所有confidence小于0.4的都认为是背景。且一般来说confidence越大，盒子的数量就越少，反之盒子的数量多recall大、而precision小。因此是confidence变，而判断预测对不对还要用到iou，比如预测的框和目标的框大于0.5就算预测正确，一般画那个曲线，iou是不变的，变的是confidence。