mAP(mean Average Precision)란 Object Detection 딥러닝 모델의 성능을 평가하는 지표로, 모델이 얼마나 객체를 정확히 찾고 분류했는가를 Precision과 Recall을 이용해서 측정하는 것이다.
먼저 객체를 정확히 탐지한 경우는 True Positive(TP), 객체가 아닌데 탐지한 경우는 False Positive(FP), 객체를 탐지하지 못한 경우는 False Negative(FN)에 해당한다. Precision은 TP / TP + FP로 모델이 탐지한 객체 중 실제 객체일 확률을 말하고, Recall은 TP / TP + FN 으로 실제 객체인 것 중 모델이 객체를 탐지할 확률을 말한다. 객체 탐지에서는 IoU(Intersection over Union)를 기준으로 TP를 판단한다.
객체 탐지 모델은 bounding box마다 confidence score를 출력하며, 이를 바탕으로 PR(Precison-Recall) Curve를 그린다. 해당 그래프에 나타난 곡선의 아래 영역(AUC: Area Under Curve)을 구한 값이 AP(Average Precison)이다. 이미지 데이터들에는 여러 개의 클래스가 있으므로, 각각의 클래스마다 AP를 산출하여 평균 낸 값이 mAP(mean Average Precision)이다.
