图像检索(Image Retrieval)
文章平均质量分 72
图像检索,跨模态检索,多模态检索
百青青年旅馆
Choose a life of devotion, instead of a life of ostentation
展开
-
图像检索绘制PR曲线的两种方法(按需求)或者说生成指标的两种方法
在保持其他参数不变的情况下,比如使用相同的数据集、相同的查询集和检索集,可以比较不同模型(如DSH、ITQ)在不同哈希码长度下的平均PR曲线,从而评估它们的整体效果。所以信息量相对较少。第二段代码计算的是每个查询图像在不同哈希码长度下的 PR 曲线,再求平均,适用于分析不同查询图像的哈希长度敏感度。对应每一个哈希码长度,它都产生1个数据点(P,R),表示在这个哈希码长度下,所有查询图像的平均精度和召回率。首段代码计算的是每个哈希码长度下所有查询图像的平均 PR 曲线,适用于评估不同哈希码长度的整体效果。原创 2023-05-19 12:25:25 · 1797 阅读 · 0 评论 -
评估深度哈希图像检索的性能指标的各项算法
如果只想用算法只需要打开Utils就行了。我写了一个简单的脚本。原创 2023-09-14 22:30:42 · 146 阅读 · 0 评论 -
监督哈希常用指标,mAP值和loss函数的值在监督哈希中的作用
除了保存mAP值以外,为了可视化这五个指标,您需要保存以下数据:注意:这五个指标更关注特定情况下模型的性能,而不是平均性能PR曲线:保存每个阈值下的精确率和召回率,以便于绘制PR曲线。TopN-precision:保存每个k值下的TopN精度,以便于绘制TopN-precision曲线。NDCG:保存每个查询的NDCG@1000值,以便于计算平均NDCG和绘制NDCG曲线。P@H:保存每个查询的P@H≤≤2值,以便于计算平均P@H和绘制P@H曲线。原创 2023-05-12 00:07:29 · 600 阅读 · 0 评论 -
图像检索任务中召回率与精确度与检索集和查询集之间的关系
在信息检索中,通常会使用查询集和检索集。这是因为召回率和精度的计算方式不同,它们对检索结果中的相关文档和非相关文档的权重不同,因此在不同的场合下需要选择适当的指标来评估检索结果的质量。它反映了检索结果的完备性,即检索结果中包含的相关文档数与查询集中所有相关文档数之间的比例。精度(Precision)是指检索出的相关文档数与检索出的所有文档数的比例。它反映了检索结果的质量,即检索结果中包含的相关文档数与检索出的所有文档数之间的比例。精度越高,说明检索结果中包含的非相关文档比例越低,检索结果的质量越好。原创 2023-05-14 12:47:59 · 839 阅读 · 0 评论