1、目标检测模型精确度评估
指标评估（重要的一些定义）
指标的一些基本概念：
TP（True Postives）：分类器把正例正确的分类-预测为正例。（IOU 》= 阈值） FN（False Negatives）：分类器把正例错误的分类-预测为负例。（IOU 《 阈值）
FP（False Postives）：分类器把负例错误的分类-预测为正例
TN（True Negatives）：分类器把负例正确的分类-预测为负例（yolov5中没有应用到）
yolov5中没有应用TN的原因： TN代表的是所有可能的未正确检测到的边界框。然而在yolo在目标检测任务中，每个网格会生成很多的预测边界框，有许多的预测边界框是没有相应的真实标签框，导致未正确检测到的边界框数量远远大于正确检测到的边界框，这就是为什么不使用TN的原因。
原作者：Fengwen，BBuf
