本文参考：【计算机视觉 | 目标检测】常见的两种评价指标：AP50和APr的理解和对比-CSDN博客
AP（Average Precision）平均准确率，它是目标检测中广泛使用的一种评价指标，用于衡量模型的预测准确率。
AP50指平均准确率在IOU阈值为0.5时的值，也就是True Positive的条件是IOU为0.5以上 并且 类别预测正确。它是目标检测中最常用的评估指标之一。
mAP为平均均值准确率。
召回率：在所有测试集的真实框中，被正确预测到的比例。
准确率：在所有预测到的框中，被正确识别的比例。
准确率-召回率曲线：算法推理时每个预测框都有目标识别的置信度，通过在不同的置信度阈值下，以不同的召回率计算出的对应的准确率的点组成的曲线。
AP的计算方式是在准确率-召回率曲线上，计算曲线下的面积，然后求平均值。因为对于每个类别，准确率-召回率曲线是不同的，所以会分别计算每个类别的AP值。
优点：考虑了不同置信度阈值下的准确率和召回率之间的平衡，并且可以用来比较不同模型的性能。
缺点：需要预先设定一些阈值来确定真实框和预测框之间的匹配，同时也容易受到类别不平衡和不同大小目标的影响。
在计算AP50时，首先需要对预测框和真实框进行匹配，然后按照置信度从高到低排序，计算每个置信度下的准确率和召回率，最后对这些准确率-召回率进行插值，得到一个平滑的曲线，计算该曲线下的面积作为AP50的值。AP50越高，说明模型在IOU阈值为0.5时的性能越好。
它是计算多组值的平均值。
比如有这么一种计算方式，取AP50到AP60，以0.5为间隔进行取值，分别得到不同的APX的值，然后求平均值及可得到mAP的值。