局部特征评价指标

整体评估

检测评估

描述符评估

评价描述符 Descriptor 的可区分度，具体指在不同描述符距离阈值下的 Precision-Recall 曲线的 Area Under Curve (AUC)，使用 NN 匹配策略。简单来说就是设置一个描述符距离阈值，两个描述符的距离小于该阈值认为二者是匹配上的，否则是非匹配上的，但小于该阈值的实际上有可能是匹配关系也有可能是非匹配关系。区分如下表：

	匹配关系	非匹配关系
匹配上（小于阈值）	TP (true positive)	FP (false positive)
未匹配上（大于等于阈值）	FN (false negative)	TN (true negative)

所以：

$$\begin{gathered} TruePositiveRate=TPR=\frac{TP}{TP+FN} \\ TrueNegativeRate=TNR=\frac{TN}{FP+TN} \\ FalsePositiveRate=FPR=\frac{FP}{FP+TN} \\ FalseNegativeRate=FNR=\frac{FN}{TP+FN} \end{gathered}$$

还有：

$$\begin{gathered} Precision=\frac{TP}{TP+FP} \\ Recall=\frac{TP}{TP+FN} \\ Accuracy=\frac{TP+TN}{TP+TN+FP+FN} \end{gathered}$$

那知道上面后，下面说明一下 ROC（receiver operating characteristic） 曲线和 PR 曲线：

• ROC 曲线是 TPR 为纵轴，FPR 为横轴，二者是正相关关系，是上升的曲线。
• PR 曲线是 Precision 为纵轴，Recall 为横轴，二者是负相关关系，是下降的曲线。

Area Under Curve (AUC) 就是这两个曲线下面积，面积越大效果越好。