二分类问题中：
一般来说，我们希望P和R都是越高越好，然而两者是一对矛盾的度量。一个高时另一个就会偏低。常绘制P-R曲线，用曲线下的面积衡量P、R双高的的比例。
目标检测中，有两个指标AP、mAP:
AP（average precision）：
假设这N个测试样本中有M个正例，首先用训练好的模型得到N个测试样本的confidence score，保存所有样本的confidence score，由高到低排列。然后依次判定top-n（1-N）为正。那么我们会得到M个recall值（1/M, 2/M, …, M/M）,对于每个recall值r，该recall阈值时top-n所对应的最大precision，然后对这M个precision值取平均即得到最后的AP值。
以N=20，M=6为例：
mAP:
AP衡量的是学出来的模型在给定类别上的好坏，而mAP衡量的是学出的模型在所有类别上的好坏，就是取所有AP的平均值。
行人检测中，有两个指标：MR-FPPI曲线和MR-2:
miss rate-FPPI曲线：
假设N幅图片中，误检窗口为k,那么FPPI（false positive per image）为k/N，miss rate（1-R）取该FPPI值对应的最小miss rate。通常每幅图像的可接受误报率上限与行人密度无关，因而这比P-R曲线更可取。
（各个fppi和miss rate的得到方式与AP中得到P、R值的方式一样，也是得到所有检测框的置信度，由高到低排列，依次判断top-n为行人）。
Miss rate-FPPI曲线：按log-log scale 画
MR-2：
我们用log-average miss rate来总结探测器的性能。计算方法是在9个FPPI值下（在值域[0.01，1.0]内以对数空间均匀间隔）的平均miss rate值。从概念上讲，log-average miss rate与目标检测的AP相似，因为它们都是用一个参考值表示整个曲线。