图像检索一些指标 | Patrick's Space

图像检索一些指标

patrickcty 4月 26, 2019

Precision 查准率

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

即检索到的这些结果中正确结果的比例。

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

即检索到的正确结果占所有正确结果的比例。

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

综合描述 Precision 和 Recall。

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。

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]。

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。

一般是 Precision，Recall，mAP

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：

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。