文章目錄
概念
- gallery probe
gallery set – 參考圖像集,即公認的標準行人庫,測試用;
probe set – 待查詢圖像集,也叫query set,測試用。 - single gallery shot和muti gallery shot
gallery 中同一id出現的數量
single gallery shot – 指gallery中每個人的圖像爲一張(N=1);
muti gallery shot – 指gallery中每個人的圖像爲多張(N>1),同樣的rank-1下,一般N越大,得到的識別率越高。 - hard negatives和hard positives
hard negatives: 長得像但是不是一個id
hard positives: 是一個人但是長得不像
評價標準
precision & recall
準確率和召回率 查準和查全
已經提前設定了閾值
- F/T 表示算法預測的對不對
- P/N 表示算法預測該類是正/負樣本
- 查準率:判定爲正例的有多少是真正的正例
- 查全率:全部的正例中找出來了多少
F1 Score
ROC&AUC
AUC即ROC曲線下的面積
ROC曲線: 假正率-真正率曲線
- TPRate: 判斷gt爲gt的概率
- FPRate:判斷非gt爲gt的概率
通過給分類器設置不同的置信度閾值得到多組(FP,TP)數據繪製成ROC 曲線。考察了不同閾值下的分類情況
最小爲0.5
同時考慮了分類器對於正例和負例的分類能力,在樣本不平衡的情況下,依然能夠對分類器作出合理的評價
參考:from 知乎
AUC概率學意義:
mAP(mean Average Precision)
- AP:當查準率變化時(新增TP 因FN不變),累計precision,算出的均值,即不同召回率上的正確率的平均值
- mAP: n次檢索的平均AP
計算方式
假設gt共有M個
對每個查詢到的gt:都是1/M
累加這些小體型的面積來近似積分
CMC(Cumulative Match Characteristic curve)
k-Rank-k 曲線
Rank-k 前k次檢索出gt=1,else=0 對多次檢索取均值
常見技術
Re-ranking
樣本已經是提取出來的行人圖片,然後使用訓練好的resnet50提取特徵,基於這些特徵計算出馬氏距離和傑卡德距離,然後對這2個距離做一個加權求和,得到最終的距離。
Triplet