图像检索一些指标

Precision 查准率

1
Precision = \frac{TP}{TP + TN}

即检索到的这些结果中正确结果的比例。

Recall 查全率

1
Recall = \frac{TP}{TP + FN}

即检索到的正确结果占所有正确结果的比例。

F-measure

1
Recall = 2 \cdot \frac{Precision \cdot Recall}{Precision + Recall}

综合描述 Precision 和 Recall。

PR 曲线

描述 Precision 和 Recall 变化关系的曲线,一般来说 Precision 越高 Recall 就比较低,反之亦然。

用来进行二者之间的取舍,一般检索类的要保证 Recall 提高 Precision,反垃圾等则要保证 Precision 提高 Recall。

AP 和 mAP

分别为:图像检索精度(average precision,AP)与平均检索精度(mean average precision,mAP)。

这两个指标是为了解决 P,R,F-measure 的单点值局限性,考虑了检索效果的排名情况。

计算方法参考[1]。

[email protected]

指检索返回的结果为 k 个,一般作为评价 P,R,mAP 等指标的阈值。

信息检索评价指标

一般是 Precision,Recall,mAP

ROC 曲线和 AUC

这个是用来评价二分类器所用指标,ROC 纵轴为 TPR(True Positive Rate),横轴为 FPR(False Positive Rate,公式分别为:

1
2
3
TPR = \frac{TP}{TP + FN}

FPR = \frac{fP}{FP + TN}

AUC(Area Under Curve)即 ROC 曲线与坐标轴围成的面积,一般不小于 0.5,越大表示分类效果越好。

参考资料

[1] http://yongyuan.name/blog/evaluation-of-information-retrieval.html
[2] https://blog.csdn.net/marising/article/details/6543943
[3] https://zhuanlan.zhihu.com/p/34079183
[4] https://blog.csdn.net/Lu597203933/article/details/41802155