首先给出一幅图：
图中绿色部分为人工标注的Ground Truth边界框，红色部分为模型预测的Bounding Box边界框（下边的图像中的红绿框也是这个意思）。
那么自然就会存在一个问题： 目标检测怎样才算正确？
- IoU大于指定阈值？
- 类别判断正确？
- cofidence大于指定阈值？
下面开始介绍上面的问题所涉及到的概念：
IoU：
IoU （Intersection over Union）即交并比，如图：
TP：
TP（True Positive）：IoU > 0.5（并不一定是0.5，根据情况设定） 的边界框数量（同一Ground Truth只计算一次） ；
FP：
FP（False Positive）：IoU <= 0.5 的边界框数量（或者是检测到同一个GT的多余检测框的数量）：
FN：
FN（False Negative）：没有检测到的GT的数量
准确率（查准率）Precision：
Precision = TP/（TP+FP），即模型预测的所有目标中，预测正确的比例。
召回率（查全率）ReCall：
Recall = TP/（TP+FN）,即所有真实目标中，预测到且预测正确的比例。
如此图，TP = 1， FP = 1，FN = 1，Precision = 0.5， Recall = 0.5.
那么，为什么有准确率的前提下还需要计算召回率呢？原因看下图：
在这张图中，我有 三辆车 ，仅检测到一辆且IoU > 0.5， 则准确率为为1，但是能说这个检测算法好么？ 显然不可以，因为他把 我的 另外两台车漏检了。
AP： P-R曲线下面积
P-R曲线： Precision-Recall曲线
mAP： mean Average Precision, 即各类别AP的平均值
下面这部分转载知乎作者AICV对AP相关知识的介绍，个人认为讲的很清楚了：
假设我们有 7 张图片（Images1-Image7），这些图片有 15 个目标（绿色的框，GT 的数量，上文提及的
all ground truths）以及 24 个预测边框（红色的框，A-Y 编号表示，并且有一个置信度值）
根据上图以及说明，我们可以列出以下表格，其中 Images 代表图片的编号，Detections 代表预测边框的编号，Confidences 代表预测边框的置信度，TP or FP 代表预测的边框是标记为 TP 还是 FP（认为预测边框与 GT 的 IOU 值大于等于 0.3 就标记为 TP；若一个 GT 有多个预测边框，则认为 IOU 最大且大于等于 0.3 的预测框标记为 TP，其他的标记为 FP，即一个 GT 只能有一个预测框标记为 TP），这里的 0.3 是随机取的一个值。
通过上表，我们可以绘制出 P-R 曲线（因为 AP 就是 P-R 曲线下面的面积），但是在此之前我们需要计算出 P-R 曲线上各个点的坐标，根据置信度从大到小排序所有的预测框，然后就可以计算 Precision 和 Recall 的值，见下表。（需要记住一个叫累加的概念，就是下图的 ACC TP 和 ACC FP）
- 标号为 1 的 Precision 和 Recall 的计算方式：Precision=TP/(TP+FP)=1/(1+0)=1，Recall=TP/(TP+FN)=TP/(
all ground truths)=1/15=0.0666 （all ground truths 上面有定义过了）- 标号 2：Precision=TP/(TP+FP)=1/(1+1)=0.5，Recall=TP/(TP+FN)=TP/(
all ground truths)=1/15=0.0666- 标号 3：Precision=TP/(TP+FP)=2/(2+1)=0.6666，Recall=TP/(TP+FN)=TP/(
all ground truths)=2/15=0.1333- 其他的依次类推
然后就可以绘制出 P-R 曲线
得到 P-R 曲线就可以计算 AP（P-R 曲线下的面积），要计算 P-R 下方的面积，一般使用的是插值的方法，取 11 个点 [0, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1] 的插值所得
得到一个类别的 AP 结果如下：
要计算 mAP，就把所有类别的 AP 计算出来，然后求取平均即可。
最后写一下COCO的评价指标
注意这里的AP就是mAP，但不是类别平均那个mAP，而是不同评价标准下的mAP.
参考：
[1] 霹雳吧啦Wz，《目标检测mAP计算以及coco评价标准》，Bilibili.
[2]《目标检测中的mAP是什么含义？》 ， AICV的回答 ， 知乎