2. 评估指标概览：精度、召回率、F1分数与mAP

做模型评估，说白了就是回答一个问题：这个模型到底好不好用？

我见过不少新手，训练完模型一看 loss 降到底了，就以为大功告成。结果一上测试集，全是误检。为什么？因为 loss 低不代表模型真的学会了。你得用一套靠谱的指标去衡量它。

这一章，我们就来拆解几个最核心的评估指标。它们是你判断模型好坏的“尺子”。

2.1 从一张“混淆矩阵”说起

所有分类指标的根，都长在一张表上——混淆矩阵。它把预测结果和真实标签做了个交叉统计。

真实 \ 预测	预测为正类 (Positive)	预测为负类 (Negative)
实际为正类	TP (True Positive) 正确检测	FN (False Negative) 漏检
实际为负类	FP (False Positive) 误检	TN (True Negative) 正确排除

你不需要死记硬背这四个格子。记住一句话就行：“T”代表预测对了，“F”代表预测错了；P/N 代表模型预测的结果。

举个例子：模型说“这里有行人”，结果真的有——这就是 TP。模型说“这里有行人”，结果是个垃圾桶——这就是 FP。

2.2 精度 (Precision) —— 你的模型有多“靠谱”？

精度问的是：在所有模型认为是“目标”的东西里，有多少是真的？

Precision = TP / (TP + FP)

我习惯把精度理解为“模型的承诺兑现率”。

比如你做一个安全帽检测。模型框出了 100 个安全帽，其中 90 个是真的，10 个是误检。那精度就是 90%。

什么时候该关注精度？ 当误检代价很高的时候。比如自动驾驶，你宁可漏检一个行人，也别把路边的广告牌识别成行人然后一脚急刹。误检的后果太严重了。

2.3 召回率 (Recall) —— 你的模型有多“全面”？

召回率问的是：在所有真正的目标里，模型找出来了多少？

Recall = TP / (TP + FN)

召回率衡量的是“漏检率”。

还是安全帽的例子。工地上有 100 个工人戴了安全帽，模型只找到了 80 个，漏了 20 个。那召回率就是 80%。

什么时候该关注召回率？ 当漏检的代价极高时。比如安防监控，你宁可误报 100 次，也不能漏掉一次真正的入侵。漏了，就是事故。

2.4 F1 分数 —— 一个数字，搞定平衡

既然精度和召回率总是打架，那有没有一个指标能综合看？有，就是 F1 分数。

F1 = 2 * (Precision * Recall) / (Precision + Recall)

F1 是精度和召回率的调和平均数。它不会像算术平均那样被一个高分拉偏。只有当精度和召回率都高的时候，F1 才会高。

举个例子：

• 模型 A：精度 90%，召回率 90% → F1 = 90%
• 模型 B：精度 99%，召回率 50% → F1 ≈ 66%

你看，模型 B 虽然精度很高，但漏了一半的目标，F1 直接把它打回原形。

2.5 平均精度 (mAP) —— 目标检测的“终极裁判”

上面说的精度、召回率、F1，都是针对单个类别的。但在目标检测里，我们通常有多个类别（比如人、车、自行车），而且每个检测框还有一个置信度分数。

这时候就需要 mAP (mean Average Precision) 出场了。

2.5.1 先理解 AP (Average Precision)

AP 是针对单个类别的。它的计算过程有点绕，我尽量说清楚。

1. 排序： 把模型对该类别所有检测框的置信度从高到低排序。
2. 画 PR 曲线： 从最高置信度开始，依次计算每个点对应的 Precision 和 Recall，画出一条曲线。
3. 计算面积： AP 就是这条 PR 曲线下的面积。

说白了，AP 衡量的是：不管你把阈值设多高或多低，这个模型平均表现怎么样。

2.5.2 再理解 mAP

mAP 就是把所有类别的 AP 取个平均值。

mAP = (1 / N) * Σ AP_i

其中 N 是类别总数，AP_i 是第 i 个类别的 AP。

在 YOLO 的评估中，你经常会看到 mAP@0.5 和 mAP@0.5:0.95 这两个指标：

指标	含义	我的看法
mAP@0.5	IoU 阈值设为 0.5 时的 mAP	比较宽松，适合快速看模型有没有“学会”
mAP@0.5:0.95	IoU 阈值从 0.5 到 0.95，步长 0.05，取平均	非常严格，考验框的定位精度。我一般用这个来定最终模型

2.6 一张图看懂所有指标的关系

下面这张图，是我自己梳理的评估指标逻辑链。你可以把它当作一个“导航图”。

2.7 总结一下，怎么选？

指标没有的好坏，关键看你的业务场景。我列了个速查表，你可以直接拿来用：

场景	优先关注的指标	原因
自动驾驶 / 安防	召回率 (Recall)	漏检的代价远大于误检
工业质检 / 内容审核	精度 (Precision)	误检会浪费大量人力或成本
模型选型 / 通用对比	F1 分数 / mAP	综合评估，不偏科
高精度定位需求	mAP@0.5:0.95	对框的贴合度要求高