梦里风林
首页
知乎
Github
赞赏
搜索文档…
Introduction
Android
Computer Vision
Machine Learning
技巧
实践
工具
Papers
Classification
Re-identification
CVPR2018:TFusion完全解读
ECCV2018:TAUDL
CVPR2018:Graph+reid
Person Re-identification
CVPR2016 Re-id
Camera topology and Person Re-id
Deep transfer learning Person Re-id
Evaluate
Object Detection
Depth
3D vision
Hashing
大杂烩
《机器学习》(周志华)读书笔记
Java
后端开发
Linux && Hardware
Python
web前端
UI
kit
thinking-in-program
我的收藏
琐记
赞赏支持
由
GitBook
提供支持
Evaluate
Rank Accuracy:
将gallery中的图片,按照与probe图片的相似度排序,如果在第X个之前就命中,则rankX命中数+1, rankX命中数/probe图片总数则为rankX acc,rankX有时又名为topK,当gallery中存在junk image时,命中junk image时跳过。
mAP:
信息检索中的mAP:
对probe中的每个图片,计算一个AP,取平均为mAP,AP为P的均值,P的含义为,probe对应的目标中,第k个命中时,前k个结果中的命中率。
举例:假设有两个主题,主题1有4个相关网页,主题2有5个相关网页。某系统对于主题1检索出4个相关网页,其rank分别为1, 2, 4, 7;对于主题2检索出3个相关网页,其rank分别为1,3,5。对于主题1,平均准确率为(1/1+2/2+3/4+4/7)/4=0.83。对于主题2,平均准确率为(1/1+2/3+3/5+0+0)/5=0.45。则MAP= (0.83+0.45)/2=0.64。
在market1501的评估代码里有另一种计算mAP的方法(可见于
Liang Zheng的综述
),是求Precision-Recall曲线的面积。这是用
Pascal VOC 2007(The PASCAL Visual Object Classes (VOC) Challenge)的算法
,计算的是Precision-Recal曲线下的面积,与信息检索领域计算每次命中时准确率的平均值不同
以前
Deep transfer learning Person Re-id
下一个
Object Detection
最近更新
3yr ago
复制链接