匹配準則

前言

被好多中文論文給弄暈了（是該多看看英文的，可是一方面英語太垃圾了，另一方面真的不想看英語，也不咋會找英文文獻，今後需要克服一下），竟然理解爲是RACSAC處理後的點對就是正確匹配點（想打死自己）。
1、RANSAC是剔大粗差：剔除後的點仍可能存在錯誤點對
2、RANSAC算法也可以看成二次匹配算法，有的學者這樣認爲（基於非參數模型的點集匹配
算法研究，這篇博士論文寫得很不錯，把一些新想法用到了匹配上）
貼出這篇貼，爲了像我一樣的入門小白，可以少迷茫些，哈哈哈

precision 、recall

——精確率是檢索出相關文檔數與檢索出的文檔總數的比率，衡量的是檢索系統的查準率；
——召回率是指檢索出的相關文檔數和文檔庫中所有的相關文檔數的比率，衡量的是檢索系統的查全率。
在信息檢索中：
精確率 = 提取出的正確信息條數 / 提取出的信息條數
召回率 = 提取出的正確信息條數 / 樣本中的信息條數

在特徵匹配中：

precision（精確率） = 正確匹配點對 / 某種算法所提取的匹配點對
recall（召回率） = 正確匹配點對 / 應該匹配的點對

• 應該匹配的點對：一個影像根據數據集提供的變換矩陣（單應矩陣、基礎矩陣），與另一個影像變換到同一座標系下，計算兩像素點的差值，設置閾值e（之前有的論文認爲是1.5，着看具體需要吧，詳細看參考博客），若d<e，則認爲是一對匹配點對。
• 正確匹配點對：提取的匹配點對在應該匹配的點對的範圍內話，則爲正確匹配點對
  
• TP：被正確標記爲正確的匹配點對，實際也是正確匹配點對
• FP：被錯誤標記爲正確的匹配點對，實際是錯誤匹配點對
• TN：被正確標記爲錯誤的匹配點對，實際也是錯誤匹配點對
• FN：被錯誤標記爲錯誤的匹配點對，實際是正確匹配點對
  Recall與TPR的意思相同，Precision與FPR意思相同（只不過在不同應用領域吧，TPR、FPR常用於分類）

爲了增加理解，貼出上面我推薦的博士論文的相關圖表及文字

ROC、TP曲線

在PR曲線中，以Recall爲x軸，Precision爲y軸，如下圖：（參考博客二寫得很清楚）右上凸效果較好

ROC，以FPR（recall）爲x軸、TPR（precision）爲y軸，相當與PR相同，應用不同，其是左上凸情況較
參考博客三繪製ROC等

參考博客：

https://blog.csdn.net/cgwang_1580/article/details/68944319
http://blog.sina.com.cn/s/blog_17b9e19320102x7ru.html
http://www.cnblogs.com/haoguoeveryone/p/haoguo_5.html