混淆矩阵（Confusion Matrix）
准确率（accuracy）
准确率：预测正确的样本数 / 样本数总数 （正对角线 / 所有）
精度（precision）
精度：预测正确里面有多少确实是正确的 （第一格 / 第一行）
典型例子：垃圾邮件识别、预言家预测
召回率（recall）
召回率：真实为阳性的里面有多少被找到了 （第一格 / 第一列）
典型例子：地震预测
F-Measure & F1 Score
F-Measure 是Precision和Recall的加权调和平均
F1 Score是当a取1时F-Measure的值
P-R曲线（查准率-查全率曲线）
AP：Precision-recall 曲线与横纵轴所围的面积，通常来说一个越好的分类器，AP值越高
MAP：对所有类别的AP值求平均值。AP可以反映每个类别预测的准确率，mAP就是对所有类的AP求平均值，用于反映整个模型的准确率。
loU 交井比
IoU：“预测的边框”和“真实的边框”的交叠率，即它们的交集和并集的比值。
前传耗时(Forward Pass Time)
前传耗时(ms):从输入一张图像到输出最终结果所消耗的时间，包括前处理耗时(如图像归一化)、网络前传耗时、后处理耗时(如非极大值抑制)
每秒帧数（FPS）
每秒帧数FPS(Frames Per Second):每秒中能处理的图像数量
浮点运算量（FLOPS）
浮点运算量(FLOPS):处理一张图像所需要的浮点运算数量，跟具体软硬件没有关系，可以公平地比较不同算法之间的检测速度。