为何相同图片在不同batch size下mAP结果不同？（Faster-RCNN）

在目标检测任务中，我使用mAP指标和混淆矩阵评估Faster-RCNN模型的性能。选取数据集前15张图片，分别以batch size为1（对应DataLoader迭代15次）和batch size为3（对应DataLoader迭代5次）进行评估，得到如下不同结果：

• batch size为1时：生成batch size为1时15张图片的预测混淆矩阵，平均mAP：0.11476718386014302
• batch size为3时：生成batch size为3时15张图片的预测混淆矩阵，平均mAP：0.09012222439050674

mAP由torchmetrics.detection中的MeanAveragePrecision计算，混淆矩阵基于GitHub开源仓库中的confusion_matrix.py实现。两种设置下混淆矩阵差异不大，但mAP差异显著，且该差异并非由batch normalization、神经网络层或浮点精度导致。

内容的提问来源于stack exchange，提问作者Valera