mAPとは
mAP（mean Average Precision：平均適合率平均）とは、物体検出モデルの性能を評価するための標準的な指標です。各クラスのAP（Average Precision）を計算し、それらの平均を取ることで、モデル全体の検出性能を一つの数値で表します。
mAPの計算方法
mAPの計算にはいくつかのステップがあります。まず各検出結果をIoU閾値に基づいてTP（True Positive：正しい検出）またはFP（False Positive：誤検出）に分類します。次に、信頼度スコアの高い順に並べ、各点でのPrecision（適合率）とRecall（再現率）を計算してPrecision-Recall曲線を描きます。この曲線の下の面積がAP（Average Precision）です。全クラスのAPの平均がmAPとなります。
評価基準の違い
mAPの計算方法はデータセットによって異なります。PASCAL VOCでは、IoU閾値0.5でのmAP（mAP@0.5）が使用されます。MS COCOでは、IoU閾値を0.5から0.95まで0.05刻みで変化させた10段階のmAPの平均を主指標とします。これをmAP@[.5:.95]と表記します。COCOではさらに、小・中・大の物体サイズ別のmAPも報告されます。モデルの性能比較を行う際は、同じデータセットと同じ評価基準で比較することが重要です。