主要借鉴：https://github.com/rafaelpadilla/Object-Detection-Metrics?tab=readme-ov-file

主要评价指标、术语：

Intersection Over Union (IOU)：两个检测框交集面积与并集面积的比值

True Positive (TP)：IOU大于阈值的检测框数量

False Positive (FP)：IOU小于阈值的检测框数量

False Negative (FN)：没有被检测的真值框的数量

True Negative (TN)：没有被检测到的虚假框的数量，没有使用。原因：理论上任何区域都可以是一个虚假框，因此虚假框太多，没有参考价值

Precision (P)：TP / (TP + FP)，所有检测框中正确检测框的比例

Recall (R)：TP / (TP + FN)，所有真值框中被正确检出的比例

Average Precision (AP)： PR曲线下方的面积。将所有检测框按照置信度从高到低的顺序依次加入实际检出框，并在某个IOU阈值下分别计算每次加入检测框后对应PR值，对这堆点列平滑后得到PR曲线（Interpolating all points，还有11-point interpolation的计算方法）。

• AP50：对应在IOU阈值为 0.5 下的 AP；此时 AP （无后方数值）可能表示在某个 IOU 阈值范围内 AP 的平均，比如 IOU 阈值在 [0.5, 0.6, 0.7, 0.8, 0.9] 下的 AP 的平均值。

Mean Average Precision (MAP)： 多个类别的AP值取平均。