4

所以，因为我已经使用 RGB 直方图实现了基本的 cbir 系统。现在，我正在尝试生成平均精度和排名曲线。我需要知道，我的平均精度公式是否正确？以及如何计算平均排名？

Code:
% Dir: parent directory location for images folder c1, c2, c3
% inputImage: \c1\1.ppm
% For example to get P-R curve execute: CBIR('D:\visionImages','\c2\1.ppm');
function [  ] = demoCBIR( Dir,inputImage)
% Dir='D:\visionImages';
% inputImage='\c3\1.ppm';
tic;
S=strcat(Dir,inputImage);
Inp1=imread(S);
num_red_bins = 8;
num_green_bins = 8;
num_blue_bins = 8;
num_bins = num_red_bins*num_green_bins*num_blue_bins;

A = imcolourhist(Inp1, num_red_bins, num_green_bins, num_blue_bins);%input image histogram
srcFiles = dir(strcat(Dir,'\*.jpg'));  
B = zeros(num_bins, 100); % hisogram of other 100 images in category 1
ptr=1;
for i = 1 : length(srcFiles)
    filename = strcat(Dir,'\',srcFiles(i).name);
    I = imread(filename);% filter image
    B(:,ptr) = imcolourhist(I, num_red_bins, num_green_bins, num_blue_bins); 
    ptr=ptr+1;                                                   
end

%normal histogram intersection
a = size(A,2); b = size(B,2); 
K = zeros(a, b);
for i = 1:a
  Va = repmat(A(:,i),1,b);
  K(i,:) = 0.5*sum(Va + B - abs(Va - B));
end


  sims=K;
  for i=1: 100 % number of relevant images for dir 1
     relevant_IDs(i) = i;
  end

 num_relevant_images = numel(relevant_IDs);

 [sorted_sims, locs] = sort(sims, 'descend');
 locations_final = arrayfun(@(x) find(locs == x, 1), relevant_IDs);
 locations_sorted = sort(locations_final);
 precision = (1:num_relevant_images) ./ locations_sorted;
 recall = (1:num_relevant_images) / num_relevant_images;
 % generate Avg precision
 avgprec=sum(precision)/num_relevant_images;% avg precision formula
 plot(avgprec, 'b.-');
 xlabel('Category ID');
 ylabel('Average Precision');
 title('Average Precision Plot');
 axis([0 10 0 1.05]);
end
4

2 回答 2

2

是的，这是正确的。您只需将所有精度值相加并取平均值即可。这就是平均精度的定义。

平均精度只是一个数字（通常以百分比表示），它为您提供图像检索系统的整体性能。值越高，性能越好。Precision-Recall 图为您提供有关系统执行方式的更详细的信息，但当您将许多图像检索系统一起比较时，平均精度很有用。无需绘制许多 PR 图来尝试比较许多检索系统的整体性能，您可以只使用一个表格来比较所有系统以及一个指定每个系统性能的数字 - 即平均精度。

此外，绘制平均精度也没有任何意义。当科学论文中通常报告平均精度时，没有情节......只有一个值！我可以看到您绘制此图的唯一方法是如果您有一个条形图，其中y-axis 表示平均精度，而x-axis 表示您正在比较的检索系统。条形越高，准确度就越高。然而，一张显示所有不同检索系统的表格，每个系统都有它们的平均精度，这是非常合适的。这是大多数 CBIR 研究论文中惯用的做法。

为了解决您的其他问题，您可以使用平均精度来计算平均排名。计算您正在测试的所有检索系统的平均精度，然后根据该平均精度对它们进行排序。具有较高平均精度的系统将排名较高。

于 2014-10-14T17:56:51.170 回答
0

这是我们用来计算平均精度的。应该有一个随机化步骤，因为如果您的地面实况图像位于顶部，则如果您在平局的情况下为图像提供离散分数，您可能会遇到问题。

function ap = computeAP(label, score, gt)
    rand_index = randperm(length(label));
    label2 = label(rand_index);
    score = score(rand_index);
    [~, sids] = sort(score, 'descend');
    label2 = label2(sids);
    ids = find(label2 == gt);
    ap = 0;
    for j = 1:length(ids)
        ap  = ap + j / (ids(j) * length(ids));
    end
    fprintf('%f \n', ap);
end
于 2014-10-15T07:20:40.857 回答