📚 课程目录第4章 AP的计算方法

4、AP的计算方法：VOC 2007的11点插值法、VOC 2012的积分法、COCO的101点插值法

聊完了PR曲线和AP的基本概念，咱们得动真格的了——到底怎么把AP算出来？

说实话，我刚入行那会儿，觉得AP就是个数字。直到有一次，我用不同版本的评估代码跑同一个模型，结果差了3个点。查了半天才发现，原来是VOC 2007和VOC 2012的计算方法不一样。嗯，从那以后，我再也不敢小看这个“计算细节”了。

  核心认知： AP不是唯一的。不同数据集、不同年份，计算方法不同，结果也不同。你看到的里的mAP，一定要先搞清楚它用的是哪个版本的算法。

4.1 VOC 2007：11点插值法

VOC 2007的方法，说白了就是“取11个点，求平均”。

具体怎么做？

把Recall从0到1分成11个等分点：0.0, 0.1, 0.2, ..., 1.0
在每个Recall点上，取该点右侧（包含该点）所有Precision的最大值
把这11个最大值加起来，除以11

公式长这样：

AP = (1/11) * Σ P_interp(r)  其中 r ∈ {0, 0.1, 0.2, ..., 1.0}
P_interp(r) = max_{r' ≥ r} P(r')

为什么要取“右侧最大值”？我举个例子你就明白了。

假设你的PR曲线在Recall=0.3时Precision掉到了0.5，但Recall=0.5时又回升到了0.8。如果直接取0.3处的值，你得到的是0.5。但VOC 2007认为：既然后面还能回到0.8，那说明模型在0.3这个点只是“暂时表现不好”，应该用后面的最高值来代表它。

我的经验： 11点插值法对“抖动”的PR曲线比较友好。我在做小目标检测时，PR曲线经常上下波动，用这个方法算出来的AP反而更稳定。但代价是——它不够精细，尤其是当Recall集中在某个区间时。

4.2 VOC 2012：积分法（面积法）

VOC 2012改进了。它不再只取11个点，而是计算PR曲线下的实际面积。

怎么做？

对PR曲线做平滑处理：在每个Recall点，取该点右侧所有Precision的最大值
计算平滑后曲线下的面积（用梯形法积分）

你可能会问：“这不还是取最大值吗？跟2007有什么区别？”

区别大了。2007只取了11个点，2012用了所有点。你想想看，如果PR曲线在Recall=0.35处有一个尖峰，2007可能完全错过它（因为0.35不在11个点里），但2012会把它算进去。

对比项	VOC 2007	VOC 2012
采样方式	11个等分点	所有检测点
插值方式	取右侧最大值	取右侧最大值 + 梯形积分
精度	较粗糙	更精细
对抖动敏感度	不敏感	较敏感
典型应用	VOC 2007挑战赛	VOC 2012及之后

我曾经踩过的坑： 用VOC 2007的代码去评估VOC 2012的数据集，结果AP比里低了2个点。查了两天才发现是计算方法不匹配。所以，一定要确认你的评估代码和用的是同一个版本。

4.3 COCO：101点插值法

COCO数据集的做法，可以理解为VOC 2007的“高分辨率版本”。

它把Recall从0到1分成101个点：0.00, 0.01, 0.02, ..., 1.00。然后对每个点取右侧最大值，最后求平均。

AP = (1/101) * Σ P_interp(r)  其中 r ∈ {0, 0.01, 0.02, ..., 1.00}
P_interp(r) = max_{r' ≥ r} P(r')

为什么是101个点？不是100个？

因为从0.00到1.00，步长0.01，一共101个点。这样每个百分位都有对应的值，精度比VOC 2007高了将近10倍。

  关键区别： COCO的AP计算还多了一个维度——它会在多个IoU阈值（从0.50到0.95，步长0.05）下分别计算AP，然后取平均。这个叫AP@[0.5:0.95]。而VOC通常只算IoU=0.5这一个阈值。

4.4 三种方法的对比与选择

我整理了一张对比表，方便你快速查阅：

方法	采样点数	插值方式	IoU阈值	适用场景
VOC 2007	11	右侧最大值 + 平均	0.5	老复现、快速评估
VOC 2012	所有点	右侧最大值 + 积分	0.5	VOC数据集标准评估
COCO	101	右侧最大值 + 平均	0.5:0.95 (10个)	现代检测模型、竞赛

我个人习惯：

做学术对比时，用COCO的AP@[0.5:0.95]，因为它更全面
快速调参时，用VOC 2007的11点法，算得快，够用就行
正式提交结果前，一定用目标数据集官方指定的方法再跑一遍

一个小技巧： 如果你在复现老（比如2015年之前的），大概率用的是VOC 2007的11点法。别直接用COCO的评估代码去跑，结果会不一样。我一般会在代码里加一个参数：ap_version='voc2007' 或 'voc2012' 或 'coco'，一键切换。

4.5 三种方法的可视化对比

下面这张图展示了同一个PR曲线，用三种方法算出来的AP差异：

从图上你能看到：

红色点是VOC 2007采样的11个位置，它只关心这些点上的值
绿色阴影是VOC 2012计算的面积，它考虑了曲线的每一个转折
紫色点是COCO的101个采样点，比红色密集得多

同一个模型，用VOC 2007算出来可能是0.75，用VOC 2012算出来是0.73，用COCO算出来可能是0.71。不是模型变了，是尺子不一样。

注意： 不要在不同计算方法之间直接比较AP数值。比如A用VOC 2007报了0.80，B用COCO报了0.75，你不能说A比B好——因为尺子不同。一定要在相同的评估协议下比较。

4.6 代码实现要点

如果你要自己实现AP计算，核心逻辑就三步：

排序： 按置信度从高到低排序所有检测结果
计算PR： 遍历每个检测结果，累计TP和FP，计算Precision和Recall
插值： 根据你选择的方法（11点/积分/101点），对PR曲线做插值

# 伪代码：三种方法的统一接口
def compute_ap(recall, precision, method='voc2012'):
    if method == 'voc2007':
        # 11个等分点
        recall_points = np.linspace(0, 1, 11)
        ap = 0
        for r in recall_points:
            # 取右侧最大值
            p = np.max(precision[recall >= r]) if np.any(recall >= r) else 0
            ap += p
        return ap / 11
    
    elif method == 'voc2012':
        # 平滑 + 梯形积分
        # 先对每个recall点取右侧最大值
        precision_smooth = np.maximum.accumulate(precision[::-1])[::-1]
        # 梯形法求面积
        ap = np.trapz(precision_smooth, recall)
        return ap
    
    elif method == 'coco':
        # 101个等分点
        recall_points = np.linspace(0, 1, 101)
        ap = 0
        for r in recall_points:
            p = np.max(precision[recall >= r]) if np.any(recall >= r) else 0
            ap += p
        return ap / 101

我的建议： 别自己手写AP计算，除非你在做学术研究。实际工程中，直接用pycocotools或mmdetection里的评估模块，它们已经帮你处理好了所有细节。我自己只在研究新算法时才手写，平时都是调库。

好了，AP的计算方法就讲到这里。三种方法各有优劣，选哪个取决于你的场景。记住一点：评估协议的一致性比值更重要。下次看到里的mAP，先问一句：“这是用哪个版本算的？”