模型评估
在机器学习中，我们通常需要使用一定的方法和标准，来评估一个模型的预测精确度，用于衡量一个模型及其标注结果的可信度。自动驾驶领域的模型多用于目标检测，如识别并标注出图像中车辆、行人、可行区域等对象。在Octopus平台模型评估模块，支持基于“精确率”、“召回率”、“漏检率”、“误检率”、“F分数”、“平均中心点距离”、“平均尺寸误差”、“均值精度（AP，Average Precision）”和“平均均值精度（mAP）”几个维度对模型进行综合评估，辅助开发者进行模型性能分析。
需要注意的是，若用户希望评估自定义模型，需要在“训练服务>模型管理”模块注册该模型，并且需符合模型包规范。