目标检测任务的指标

1.IoU：交并比：就是两个物体的交集/并集。

2.Precision：精度：代表框之间的吻合程度

3.Recall：召回率：代表所有物体中是否有些未检测到

注：p和r通常是一种折中的关系。

4.mAP：简单的来说可以说是Precision*Recall，图形上来讲是二者共同的面积。

5.TP FP FN概念：就是把摸个样本预测为正负样本这件事情是否正确。

6.IoU Loss：L=1-IoU：其实就是重合的部分是正确的，那剩下的没重合的就是损失误差，理所当然希望这个误差越小越好。但是有时候，框的大小不同和位置不同，但是这个值却一样，所以就有一些优化损失。

7.优化：GIoU loss、DIoU、CIoU等，如下图，实质上是考虑的因素变多了，包括重叠面积，中心点距离，框的长宽比。

8.Focal Loss：目标前景和背景往往不平衡，也就是背景多，负样本多，所以在训练时，调整二者所占比例，除此之外，前景中有的特征好检测，有的难检测，所以也分配不同的比重，这样训练就会更快，训练出来的模型也更好。