我正在为计算机视觉模型实现平均平均精度（mAP）度量标准，该模型可输出多个类的边界框，我需要帮助您了解如何处理某些极端情况。
由于我的问题的性质，可以忽略它是计算机视觉问题的事实。
我很清楚mAP = true_positives / (true_positives + false_positives)，但是true_positives == false_positives == 0会发生什么？ IE浏览器如果输出根本无法预测任何内容。
我目前的假设是，如果存在注释，而该算法只是无法预测，则mAP应该为0；否则，如果最初没有任何注释，则其应为1，但似乎有点违反直觉这进入了回忆的领域。
范例1：
Truth: 0, 1, 0, 0, 1, 1
Pred.: 0, 0, 0, 0, 0, 0
mAP = 0 / (0 + 0) # ?
范例2：
Truth: 0, 0, 0, 0, 0, 0
Pred.: 0, 0, 0, 0, 0, 0
mAP = 0 / (0 + 0) # ?
由于该模型在两种情况下均未进行任何
true_positive和false_positive调用，因此对于这两个示例，mAP应该是什么？ 最佳答案
来自：https://github.com/dice-group/gerbil/wiki/Precision,-Recall-and-F1-measure
在极少数情况下，计算Precision或Recall可能会导致
除以0。关于精度，如果存在
在注释器的答案内没有结果，因此，真
以及误报为0。对于这些特殊情况，我们有
定义如果真阳性，假阳性和假阳性
负数均为0，精度，召回率和F1量度均为1。
黄金标准包含文件的情况下可能会发生
没有任何注释，注释器（正确）返回否
注释。如果真实肯定值为0，并且是其他两个计数器之一
大于0，则精度，查全率和F1度量为0。