行人重识别评价指标rank-k,CMC,mAP

最新推荐文章于 2023-10-27 21:30:41 发布
最新推荐文章于 2023-10-27 21:30:41 发布
阅读量4.8k 收藏 42
点赞数 12
分类专栏： 计算机视觉 深度学习 文章标签： 计算机视觉
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43974261/article/details/120576361
版权

行人重识别中常用算法：rank-k,CMC,mAP

rank-k

在这里插入图片描述
图中左侧为query，右侧为gallery，从右侧检索左侧的数据。圆圈代表正确的答案，x代表错误的答案。第一行第一列有圆圈代表rank1击中，第二行代表rank4击中，以此类推。五个样本中有两个rank1击中，因此Rank-1概率为2/5，五个样本中，前五位有击中的有三个，因此概率为3/5。

CMC

在这里插入图片描述
CMC可以看作是rank-k的集合，将rank-k画成一条曲线。

mAP

在这里插入图片描述
rank-k的缺陷在于只考虑了第一次命中的概率，然而很多时候实际上有多个正确答案，一些靠后的样本的命中通过rank-k无法评估，mAP将所用样本考虑了进来。

黑曜石小刀
关注
  • 12
    点赞
  • 踩
  • 42
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
CMC学习系列 (10):CMC计算方法介绍
走在深度学习前沿的小宋
04-16 967
作为皮层和肌肉之间功能连接的指标，CMC研究是近年来神经生理学的重点。虽然CMC代表了一种相干关系，但是关于相干性关系的计算方式却多种多样，也有很多学者对CMC的相干性关系计算方式进行了研究，包括：普通CMC、小波CMC、傅里叶CMC以及有向CMC等。本文旨在给大家做一个简单的介绍，如果发现有趣的内容也可以联系作者进行后续添加。
行人重识别和车辆重识别（ReID）中的评测指标——mAP和Rank-k
weixin_30675247的博客
08-12 3777
1.mAP mAP的全称是mean Average Precision，意为平均精度均值（如果按照原来的顺利翻译就是平均均值精度）。这个指标是多目标检测和多标签图像分类中长常用的评测指标，因为这类任务中的标签大多不止一个，所以不能用普通的单标签图像的分类标准，也就是mean Precision，平均精确确率这个指标。mAP是将多分类任务中的平均精度AP（Average Precisi...
行人重识别——评价标准
X-funbean的博客~
02-19 3297
行人重识别——评价指标CMCCMC-kmAP CMC Cumulative Matching Characteristics CMC-k 也就是Rank-k matching accuracy mAP mean Average Precision
reid常用评价指标roc rank1 map,误识率far, 以及optim lr_scheduler 学习率衰减函数
m0_37192554的博客
07-02 1811
1 roc, 人脸识别或者reid问题 误识率far *roc 横坐标是 误识率 far(fpr） 纵坐标是tpr * ROC曲线-阈值评价标准 https://blog.csdn.net/abcjennifer/article/details/7359370 用来确定不同数据集下的阈值，实际情况下的不同数据集 由于是在没有label下的查找， 需要限定阈值来判断是否是一个人，大于阈值可能是一个人，小于阈值的一定不是一个人（虽然小于阈值的也有很小部分判断错误 例如固定横坐标 far =0.001 f
CMC 与 mPA 通俗易懂的解释
我有明珠一颗的博客
01-08 724
1、rank-k（CMC的指标）：在单个query单次查询结果中，与query相似度排前k个的匹配结果中，是否有正确ID，有则rank-k=100%，无则rank-k=0% 当有多个query时，取所有query的匹配结果的rank-k的均值，即为当前任务的rank-k 2、Average Precision：这里设Pk表示查询结果中相似度排在前k个的精确度（precision），则Average Precision表示对P1~Pn中所有的非0值取平均。（这里的Precision就是指精确度，Pk = 前k
行人重识别基本介绍
qq_37747189的博客
11-07 1万+
行人重识别（ReID）基本介绍 前言 最近一段时间开始了深度学习领域的学习，但总是东看看西看看停留在表面。看过的东西很快就忘了，遇到不懂的地方也都就扔到了一边，鉴于学术和毕业上的压力，决定开始更新这个博客，一方面记录整理自己学过的东西，另一方面也为了督促自己每天都能够有所进步。 这篇文章是在学习罗浩老师发布在bilibili上的课程后进行的，对于那些准备进入行人重识别领域的小白来说，在这里推荐一下罗浩老师的课程。虽说发布时间已经是几年前了，有些框架或者知识已经更新，但仍是不可多得的入门材料。 b站浙江大学罗
机器学习常用的评测指标Rank-n、Precision & Recall、F-score、Map 、CMC、ROC Single shot 和Muti shot
sinat_42239797的博客
06-25 6786
机器学习中常用的评测指标为：Rank-n、Precision & Recall、F-score、Map 、CMC、ROC Single shot 和Muti shot，下面一个个进行介绍。 写到这里方便以后查看 Rank-n和Map 均是衡量算法搜索能力的指标。 Rank-n 搜索结果中最靠前（置信度最高）的n张图有正确结果的概率 rank 1， 就是第一次命中 rank k，就是在第k...
行人重识别基础知识
最新发布
weixin_43828366的博客
10-27 290
对于每个人，有10个可见图像和10个红外图像。属于A类的物体1，经过分类器，得到属于A、B、C类的概率是80%，15%，5%，所以将物体1，判定为A类，物体1经过一次排序就被命中正确的类，所以我们引入Rank-1为100%。物体2本来属于B类，被我们训练的分类器分类为A、B、C的概率分别为50%，40%，10%，所以被判定为A类，按照概率排序，如果有两次机会，才能命中，这就是Rank-2的含义。比如，我们训练了一个分类器，来识别五个物体，即五个query图像1，2，3，4，5，他们属于3类即A，B，C。
RegDB数据集-跨模态行人重识别
02-16
常见的评估指标包括平均精度（mAP）、识别率（Rank-1 Accuracy）等。 综上所述，RegDB数据集为跨模态行人重识别的研究提供了丰富的资源，推动了该领域的进步。通过不断优化算法，我们可以期待在未来实现更高效、...
基于孪生网络和重排序的行人重识别
03-15
针对非重叠多摄像头下的行人重识别（Person Re-identification,Re-ID）依然受到光照、姿势及遮挡等影响和实验过程中存在图像错误匹配的情况，提出一种基于孪生网络和重排序的行人重识别方法。给定一对行人训练图像，...
基于全局特征拼接的行人重识别算法研究
04-30
针对目前行人重识别出现网络模型复杂化、识别率低的问题，提出一种基于全局特征拼接的行人重识别算法。首先利用卷积神经网络（CNN）提取全局特征；然后把不同卷积层提取的特征进行拼接，使特征信息互补；最后将拼接...
基于特征融合网络的行人重识别
05-06
行人重识别旨在大规模的分布式监控系统中进行行人目标匹配，紧凑且具有鲁棒性的特征表达对其至关重要，为此，本文提出了一种基于特征融合网络的特征提取方法.首先，利用STEL算法增强了LOMO特征对背景噪声的抗噪性能...
行人重识别综述
qq_44347175的博客
07-26 2942
定义行人重识别(Personre-identification)也称行人再识别,被广泛认为是一个图像检索的子问题,是利用计算机视觉技术判断图像或者视频中是否存在特定行人的技术,即给定一个监控行人图像检索跨设备下的该行人图像。行人重识别技术可以弥补目前固定摄像头的视觉局限,并可与行人检测、行人跟踪技术相结合,应用于视频监控、智能安防等领域。应用刑事侦查行人理解行人跟踪单摄像头单目标单摄像头多目标多摄像头多目标。...
学习笔记1--PRID：行人重识别常用评测指标（rank-n、Precision & Recall、F-score、mAP 、CMC、ROC)
qq_40452344的博客
12-10 2605
一、多种常用识别指标 1、rank-n 搜索结果中最靠前（置信度最高）的n张图有正确结果的概率。 例如： lable为m1，在100个样本中搜索。 如果识别结果是m1、m2、m3、m4、m5……，则此时rank-1的正确率为100%；rank-2的正确率也为100%；rank-5的正确率也为100%；如果识别结果是m2、m1、m3、m4、m5……，则此时rank-1的正确率为0%；rank...
最强无监督行人重识别方法 Cluster Contrast ReID，rank-1 94.6%
jacke121的专栏
04-30 4350
代码连接： https://github.com/alibaba/cluster-contrast-reid 看了一下，主要是resnet50，resnet101训练的。 在行人重识别领域，如何获取海量标注数据，提高实际场景的重识别能力是工业界非常关注的一个问题。通常在学术界上公开数据集如Maket1501上训练出来的模型在实际场景上基本是没法用的，都需要在实际场景中采集数据并进行标注。标注需要人工成本和时间周期，在项目比较急的时候重新标注根本来不及，因此无监督的行人重识别方法成为了目前研...
【知识图谱】在多摄像头的复杂场景中——行人重识别
一拳Marx
10-22 1246
【知识图谱】在多摄像头的复杂场景中——行人重识别行人重识别引入——计算机非常火的模块数据集&难点Rank值Map值损失函数定义三元组损失batch第一篇论文——遮挡现象旷视的论文：局部特征提取+组合局部特征+卷积运算局部特征关系整合（图卷积）图匹配 行人重识别引入——计算机非常火的模块 假设有一千个摄像头，每个摄像头有一段时间，可以先把一个图形转为1024*1024，然后有十万张照片，我们该怎么办呢。 先把十万张图像先提出来进行一个相似度计算，把最相近的先拿出来。一个人提取特征，随便一个卷积网络都
PRID：行人重识别常用评测指标（rank-n、Precision & Recall、F-score、mAP 、CMC、ROC)
热门推荐
秀呀秀的博客
10-17 1万+
1、rank-n 搜索结果中最靠前（置信度最高）的n张图有正确结果的概率。 例如： lable为 m1，在100个样本中搜索。 如果识别结果是 m1、m2、m3、m4、m5……，则此时rank-1的正确率为100%；rank-2的正确率也为100%；rank-5的正确率也为100%； 如果识别结果是 m2、m1、m3、m4、m5……，则此时rank-1的正确率为0%；rank-2的正确率为...
人脸识别---闭集测试评价指标CMC曲线(rank)
小明知道的专栏
12-06 1万+
摘要：本文主要讲解如何得到CMC曲线。CMC曲线就是算一种top-k的击中概率，主要用闭集测试。比如有n个注册样本，现在想测试性能，测试样本依次和n个注册样本算取一个距离，然后排序，看类类样本位于前top-k，最后统计得到CMC曲线。计算CMC曲线的函数代码如下：function accuracy = calrank(distance,rankvalue,info) for k = 1:length
map，rank-1和rank-10之间有换算公式吗
04-25
对于一个具有N个元素的map，它的rank-1指的是map中第二小的元素的排名，而rank-10指的是map中第十一小的元素的排名。rank-1和rank-10之间没有特定的换算公式，因为它们是相对的概念，具体的数值取决于map中元素的分布状况。但是，可以通过对map进行排序并计算元素的排名来实现它们之间的转换。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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