首先是PR曲线: Precision-Recall曲线
基本定义: precision和recall的含义， preicision是在你认为（模型预测的）的正样本中， 有多大比例真的是正样本， recall则是在真正的正样本中， 有多少被你找到了（预测对了）。
问题核心: 我们需要一个对于score的threshold, 为什么呢? 比如在一个bounding box里， 我识别出来鸭子的score最高， 可是他也只有0.1， 那么他真的是鸭子吗？ 很可能他还是负样本。 所以我们需要一个阈值 如果识别出了鸭子而且分数大于这个阈值才真的说他是正样本， 否则他是负样本。
那么threshold到底是怎么影响precision和recall的呢？ 我们还是用鸭子的例子如果threshold太高， prediction非常严格， 所以我们认为是鸭子的基本都是鸭子，precision就高了；但也因为筛选太严格， 我们也放过了一些score比较低的鸭子， 所以recall就低了如果threshold太低， 什么都会被当成鸭子， precision就会很低， recall就会很高.
AP: PR曲线下面积 (综合考虑P与R)
mAP就是对每一个类别都计算出AP然后再计算AP平均值就好了。
Ref
https://www.zhihu.com/question/53405779