先在词义上理解一下这个东西
mAP（mean Average Precision）
Precision
Precision的定义如下也就是在预测的结果当中有多少是真正的：
Precision和ReCall都是很好的评价因素，具体选择哪个主要是看我们更加在乎什么？
我们用目标检测举例子，目标检测的时候：
- 如果错误的圈出来的空框对我们影响很大我们就应该使用Precision，
- 如果没有圈出来的物体对我们影响很大我们就应该使用Recall
Average
这个是平均，对什么求平均，我们回忆yolo当中的confidence，预测的结果是一个置信度，但是可没有确定多少的置信度我们需要将其真正的标记出来吧。所以，就有了下面这个在众多博客中出现的图片：
这个东西就是预测出来的结果
我们按照置信度排顺序之后，就成了下面的结果
这样就出现了下面的情况，就是我们选定某个confidence阈值作为判定朴准时的情况，得到不同的Precision，之后求均值。
这里最关键的就是怎么分成这么多类的，这里既然是评估Precision就得用另外的Recall作为衡量标准，所以这里是使用Recall值得不同来完成划分的。
总结：
1.用recall值的不同划分小组
2.之后各组选一个最大值（就是在把持当前recall的情况下最好的precision可以达到的情况。）
3.用最大值求一个均值就是AP了
mean
这里又是一个均值，和之前的average又有什么区别呢？其实这两个是完全不同的，之前的AP是对某一个确定类别做事，但是有很多类别，所以我们需要对所有的类别求一个均值。