本章主要介绍一下AP的计算方法， 其中会穿插介绍TP、TN、FP、FN、Precision和Recall等概念。

1.类别、置信度和IoU

        先来了解下类别、置信度和IoU，这三者的定义很重要，因为在后面的计算过程中会借助这三者的值来计算AP值。 

        类别是指模型预测的类别概率中的最大的一个类别，置信度是指模型预测的类别概率中的最大值，假设有两个类别，分别是Man和Women，某一个预测框对这两个类别的预测值分别为0.8和0.4（注意是sigmoid，所以类别之和不为1），则该预测框预测的类别是Man,置信度为0.8.

        IoU（Intersection over Union）是指两个框之间的交并比，通常是借助预测框和真实框的交并比，来评估模型的精度；或者是使用IoU来过滤掉重叠过多的检测框，只保留最优的检测结果；又或者验证模型时候，通过设计不同的IoU阈值得到不同的AP值，比如在V8中就会设置阈值从IoU-0.5、IoU-0.55...IoU-0.95来分别计算AP值。

        下面我会通过一个例子来介绍如何计算AP，下图包括了3个真实框，6个预测框，比较特殊的预测框是pred4、5、6，需要特别关注一下。

        关于类别和置信度， 需要注意的是:（1）pred4虽然和gt2有交集，但是gt2和其类别不一样，所以后面pred4也是会被过滤的；（2）pred5虽然和gt1、gt2都没有交集，但是经过NMS之后还是被留下来了ÿ