任务：
1、解决上次老师问的一些问题？
（1）上次老师提到F1得分，再总结一下：
混淆矩阵
TP：预测正例，实际正例（预测对）
FN：预测负例，实际正例（预测错）
FP：预测正例，实际负例（预测错）
TN：预测负例，实际负例（预测对）
精确率 = TP / (TP+FP) ：预测为正例的那些数据里预测正确的数据个数（预测为正例的有多少预测对了，预测为正例且预测对的占预测为正例的比例）
召回率 = TP / (TP+FN)：预测为正例的那些数据里预测正确的数据个数（有多少正例被识别出来了，预测为正例且预测对的占总正例的比例）
精确率和召回率可能此消彼长，所以引入F1得分，综合考虑准确率和召回率
调和平均
（2）该github代码是跨摄像头还是单摄像头？
（3）视频中的三个数分别是标注的ID，类别，以及 目标检测的过程中计算的置信度（即矩形框框出的物体是真实物体的概率）
（4）一些细节：
目标检测：目标检测是从图片背景中分离出感兴趣的目标，并确定这一目标的描述（类别和位置）
因而检测输出是一个列表，列表的每一项使用一个数据组给出检出目标的类别和位置（常用矩形框的坐标表示）-> yolo系列
基于Tracking-by-detection的MOT：先对视频的每一帧进行目标检测，输出矩形框坐标和类别，根据矩形框对目标进行裁剪，得到图像中的所有目标。
然后转化为前后两帧的关联问题，
（5）ID-switch：
因为跟踪的每个对象都是有标注ID的，一个对象在整个跟踪过程中ID应该不变，但是如果跟踪算法不够强大，总会出现一个对象的ID在不同的帧中发生了切换，
这个指标就说明了ID切换的次数，指视频的前一帧图片和后一帧图片中对于相同GT轨迹的预测轨迹ID出现了不同（发生切换），如果ID跟丢，此情况不计算在ID切换中。
这里的t代表的是视频的第t帧图片：
标签：正例,10.21,github,预测,10.28,TP,目标,负例,ID From： https://www.cnblogs.com/tkw123/p/17783546.html