文章目录
概念
- gallery probe
gallery set – 参考图像集,即公认的标准行人库,测试用;
probe set – 待查询图像集,也叫query set,测试用。 - single gallery shot和muti gallery shot
gallery 中同一id出现的数量
single gallery shot – 指gallery中每个人的图像为一张(N=1);
muti gallery shot – 指gallery中每个人的图像为多张(N>1),同样的rank-1下,一般N越大,得到的识别率越高。 - hard negatives和hard positives
hard negatives: 长得像但是不是一个id
hard positives: 是一个人但是长得不像
评价标准
precision & recall
准确率和召回率 查准和查全
已经提前设定了阈值
- F/T 表示算法预测的对不对
- P/N 表示算法预测该类是正/负样本
- 查准率:判定为正例的有多少是真正的正例
- 查全率:全部的正例中找出来了多少
F1 Score
ROC&AUC
AUC即ROC曲线下的面积
ROC曲线: 假正率-真正率曲线
- TPRate: 判断gt为gt的概率
- FPRate:判断非gt为gt的概率
通过给分类器设置不同的置信度阈值得到多组(FP,TP)数据绘制成ROC 曲线。考察了不同阈值下的分类情况
最小为0.5
同时考虑了分类器对于正例和负例的分类能力,在样本不平衡的情况下,依然能够对分类器作出合理的评价
参考:from 知乎
AUC概率学意义:
mAP(mean Average Precision)
- AP:当查准率变化时(新增TP 因FN不变),累计precision,算出的均值,即不同召回率上的正确率的平均值
- mAP: n次检索的平均AP
计算方式
假设gt共有M个
对每个查询到的gt:
都是1/M
累加这些小体型的面积来近似积分
CMC(Cumulative Match Characteristic curve)
k-Rank-k 曲线
Rank-k 前k次检索出gt=1,else=0 对多次检索取均值
常见技术
Re-ranking
样本已经是提取出来的行人图片,然后使用训练好的resnet50提取特征,基于这些特征计算出马氏距离和杰卡德距离,然后对这2个距离做一个加权求和,得到最终的距离。
Triplet