tensorboard模型评估图（mAP, mAP(large), mAP(medium), mAP(small), mAP(0.50IOU)）
一、准确率：
DetectionBoxes_Precision：
mAP：平均精度超过IOU阈值的平均精度，范围从.5到.95，增量为.05
mAP（large）：大对象的平均精度（96 ^ 2像素<区域<10000 ^ 2像素）
mAP (medium)：中等大小对象的平均精度（32 ^ 2像素<区域<96 ^ 2像素）
mAP (small)：小对象的平均精度（区域<32 ^ 2像素）(此处为区域为面积)
[email protected]：平均精度为50％IOU
[email protected]：平均精度为75％IOU
二、召回率
DetectionBoxes_Recall
[email protected]：1次检测的平均召回率。
[email protected]：平均召回10次检测。
[email protected]：平均召回100次检测。
[email protected] (large)：具有100次检测的大型对象的平均召回率。
[email protected] (medium)：中等对象的平均召回率为100。
[email protected] (small)：小型对象的平均召回率为100。
三、损失值
HardExampleMiner/NumNegatives：暂时还不知道
HardExampleMiner/NumPositives：暂时还不知道
最终分类损失：
BoxClassifierLoss/classification_loss：类别损失，此处的分类为将检测出来的对象分类到不同的类中，如猫，狗，飞机等（Loss for the classification of detected objects into various classes: Cat, Dog, Airplane etc）
BoxClassifierLoss/localization_loss：局部损失，或者边界框回归量损失（Localization Loss or the Loss of the Bounding Box regressor）
区域提取网络损失：
RPNLoss/localization_loss：局部损失，或者RPN的边界框回归量（Localization Loss or the Loss of the Bounding Box regressor for the RPN）
RPNLoss/objectness_loss：分类器损失，此处分类器的功能为对感兴趣的对象或者背景进行分类（Loss of the Classifier that classifies if a bounding box is an object of interest or background）
参考资料：
https://*.com/questions/52068835/tensorboard-graph-recall
关于准确率与召回率的概念可以看：
1.https://blog.****.net/zdh2010xyz/article/details/54293298
2.https://blog.****.net/qq_38469553/article/details/85140183
3.https://blog.****.net/qq_41994006/article/details/81051150