ReID相关知识

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：$\Delta Recall$都是1/M
$\frac{Precision_{i}+Precision_{i-1}}{2}*\frac{1}{M}$
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