作为一个没有什么天赋的半小白，从网上搜索想要的知识还是很辛苦的。首先感谢好多大神的分享，但是其中也不乏各种不负责任的“神”，会错误的引导读者，可能是笔误，也可能是脑袋“短路”，使得刚入门的新手（比如我），因为一个简单的问题+错误的回答而浪费很长时间，所以以后遇到问题，或者学会了新知识还是自己记录一下吧。
关于mAP（mean average precision），首先翻译成中文，即平均精度均值，从字面意思理解就是要算好多个平均精度，然后再取它们的均值。所以问题就在于AP，即平均精度怎么求。
首先上一张图
接下来根据这张图描述AP怎么算（先不用管物理意义），有两种算法：
一. 11-point interpolated average precision（不用管它的名字，直接看算法）
这里取11个数，第一个数为横轴recall大于0时，precision最大的值，记它为P（max0），第二个数为横轴recall大于0.1时，precision最大的值，记它为P（max1），依次类推，最后一个数就是recall大于1.0时，precision最大的值，记为P（max1.0）；然后把这11个数加起来，再除以11，就得到了AP值，是不是很简单？
二.另一种方法
不取11个数了，取M个数，每个数由之前的0，0.1，0.2，…1，变为1/M，2/M，3/M…，1，把M个precision最大的值加起来，然后除以M。（M是什么后面说)
这样就算了一个AP，然后根据不同的图，算出不同的AP，最后求个均值，就变成了mAP。
下面说一下上面那个图是如何得来的，以及M是什么。
我们首先观察到横轴叫做precision，纵轴叫做recall。这个图的学名就叫做PR曲线。
我们假设有一个算法，它的作用是识别图片是否为男女：
输入：图片像素值
输出：是男人的概率
| 编号 | 真实值 | 预测概率 |
|---|---|---|
| 1 | 男 | 0.97 |
| 2 | 女 | 0.43 |
| 3 | 男 | 0.68 |
| 4 | 女 | 0.76 |
| 5 | 男 | 0.39 |
我们还要设定一个阈值，这个阈值的作用就是：对于我们的算法，如果预测概率大于它，就预测它是个男人，如果概率小于它，就预测她是个女人。
首先假设阈值为0.5，则上表又就变为。
| 编号 | 真实值 | 预测概率 | 预测结果 |
|---|---|---|---|
| 1 | 男 | 0.97 | 男 |
| 2 | 女 | 0.43 | 女 |
| 3 | 男 | 0.68 | 男 |
| 4 | 女 | 0.76 | 男 |
| 5 | 男 | 0.39 | 女 |
我们可以看到，4和5预测错误。
然后根据这个结果，我们可以算出来一组PR值，其中：
precision = 预测是男人对的结果个数/（预测是男人对的结果个数+预测是男人错的结果个数） 即 ：2/（2+1） = 2/3
recall = 预测是男人对的结果个数/（预测是男人对的结果个数+没预测出来的男人个数） 即：2/（2+1） = 2/3
这样，得到了PR曲线的一个点。
接下来，注意啦！
改变阈值，然后预测结果就会发生变化，同时precision和recall也会发生变化，会得到PR曲线不同的点。将阈值分别设置为0~1中不同的值，得到PR曲线上不同的点，最终，就可以绘出PR曲线整个图。
然后，根据PR图，就可以算出这些样本的AP值，这里补充一下，如果采用第二种算法，M为样本中正样本的个数（这里为男人的个数）。
最后，根据不同的样本集，算出不同的AP值，再取平均，就得到了mAP的值了！