对于识别问题中rank的理解

验证(Verification)与识别(identification)

Verification是对probe和它对应的gallery 做出一个二值判定已确定是不是同一个人,结果用ROC表示。

Identification是通过计算probe和所有gallery images的相似度重新排序gallery(生成rank),在此之后判断在前N位(rank1到N)的那些人是否有跟probe同一个身份的并以此生成累计匹配曲线CMC/CMS。

对于Rank的理解:

在识别问题中,肯定会有1对n的比对,假设每个人有多幅图像(比如ABCDE),A和BCDEFG…比对时可以以最接近的那张图像作为结果,比如A和C最接近,我们可以认为匹配正确。但是如果和A最接近的依次是FBG…,如果单纯以最接近的F作为结果,那就是匹配错误了,为了消除这种影响,所以有了rank的概念:当rank=3,取最接近A的3张图像比如FBG作为结果,此时的正确率可以认为是1/3,因为只有B落在了这三个里面(我认为这个例子中正确率不对,感觉应该为100%,因为rank=3,代表前3次是否命中,而例子中前3次结果中有B因此命中了)。

Rank 1,就是第一次命中

Rank k,就是在第k次以内命中

Eg1:

比如对于3个类,每个类都有一个测试

然后设相似函数,越大越可能为同类。

Test 1 class 1 = 0.9

Test 2 c2 = 0.8

T1 c3 = 0.7

Class1 在这个里面排名第一,然后正好是正确的类,所以说一次就命中了。

假设test2 test3也是对应的类排名第一的话,那么rank1 = 100%,rank2 = 100%,rank3 = 100%

假如

Test1 class2 = 0.9

T1 c1 = 0.8

T1 c3 = 0.7

这个就是相似排名第一的不是了,而是前两个命中。

然后test2 test3是对应的类排名第一的话,那就是rank1=66.6%,rank2=100%,rank3=100%。

 

Eg2:

假设有5个类,对于每个类设计一个测试,test1对应于class1.

假设test1(t1)和class1(c1)相似性得分高于其他四个类,那么在第一级别上c1被识别出来(class 1 is recognized in the firstrank)。

1)T1 c1=0.95; t1 c2=0.7; t1 c3=0.9; t1 c4=0.72;t1 c5=0.3

可看出t1在第一次就被正确识别出来,假设t2,t3,t4,t5也是在第一次就被正确识别,那么rank1=rank2=rank3=rank4=rank5=100%.

2)T1 c1=0.9; t1 c2=0.95; t1 c3=0.4; t1 c4=0.72;t1 c5=0.3

可看出t1没有在第一次被正确识别,而是在前两次被正确识别出。(This is whatrank 2 recognition means)

现在假设t1在前两次被正确识别出,而其他测试都是在第一次就被正确识别出,那么

Rank1 80%(tests 2,3,4,5 are among the N=1 top matches)

Rank1 100%(tests 1,2,3,4,5 are among the N=2 top matches)

Rank1 100%(tests 1,2,3,4,5 are among the N=3 top matches)

Rank1 100%(tests 1,2,3,4,5 are among the N=4 top matches)

Rank1 100%(tests 1,2,3,4,5 are among the N=5 top matches)

3)假设test1,t2,t3都是在第一次就被正确识别出来,test4是在第二次被正确识别出来,test5是在第4次被正确识别出来,那么

Rank1 60%(tests 1,2,3 are among the N=1 top matches)

Rank1 80%(tests 1,2,3,4 are among the N=2 top matches)

Rank1 80%(tests 1,2,3,4are among the N=3 top matches)

Rank1 100%(tests 1,2,3,4,5 are among the N=4 top matches)

Rank1 100%(tests 1,2,3,4,5 are among the N=5 top matches)

参考文章链接:

https://blog.csdn.net/auto1993/article/details/74170875

https://www.zhihu.com/question/28876985

  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值