【目标检测】评判指标：TP、TN、FP、FN、Precision、Recall、mAP。

混淆矩阵：True Positive、False Negative、False Positive、True Negative
一级指标：准确率（Accuracy）、精确率（Precision）、灵敏度（Sensitivity）（就是召回率Recall）、特异度（Specificity）
二级指标：mAP

一、混淆矩阵

先理解一下，TP、TN、FP、FN的含义：

将这四个指标一起呈现在表格中，就能得到如下这样一个矩阵，我们称它为混淆矩阵（Confusion Matrix）：

按下图来解释，左半矩形是正样本（实心圆），右半矩形是负样本（空心圆）。一个2分类器，在图上画了个圆，分类器认为圆内是正样本，圆外是负样本。那么左半圆分类器认为是正样本，同时它确实是正样本，那么就是“被分为正样本，并且分对了”即TP，左半矩形扣除左半圆的部分就是分类器认为它是负样本，但是它本身却是正样本，就是“被分为负样本，但是分错了”即FN。右半圆分类器认为它是正样本，但是本身却是负样本，那么就是“被分为正样本，但是分错了”即FP。右半矩形扣除右半圆的部分就是分类器认为它是负样本，同时它本身确实是负样本，那么就是“被分为负样本，而且分对了”即TN

二、二级指标

在混淆矩阵的基础上，又延伸了如下4个指标，我称他们是二级指标（通过最底层指标加减乘除得到的）

有了上面TP TN FP FN的概念，Accuracy、Precision、Recall和Specificity的概念一张图就能说明。

$Precision=$