Метрика Mean Average Precision (mAP) считается оптимальной для оценки качества в задачах поиска объектов по нескольким причинам:

• Сбалансированная оценка. 3 mAP учитывает как точность (precision), так и полноту (recall). 13 Эти две метрики часто имеют обратную зависимость: улучшение одной из них иногда может привести к снижению другой. 1 mAP даёт возможность оценить модель в разных точках этого компромисса. 1
• Учёт различных порогов. 3 В отличие от метрик, которые зависят от конкретного порога, mAP оценивает производительность при разных порогах, что обеспечивает более комплексную оценку. 3
• Учёт локализации и классификации. 3 mAP оценивает как точность обнаружения (локализации), так и точность классификации, что важно для задач поиска объектов. 3
• Целостное представление о работе модели. 1 mAP одновременно учитывает и точность классификации, и точность локализации для всех классов, определённых в обучающих данных. 1

Более высокий показатель mAP обычно указывает на более надёжную и прочную модель обнаружения объектов. 1