1

我用 SIFT 结合其他基于特征的算法（使用 OpenCV 和 Python3）实现了一个 CBIR，现在我必须评估它们的组合（即 SIFT/SURF、ORB/BRISK...）如何执行。

我发现我可以使用 Precision |TP| / (|TP| + |FP|) 和召回 |TP| / (|TP| + |FN|)。我知道 TP 是正确的肯定，FN 是未返回的相关文件，FP 是返回但不相关的文件

我计算我与 BF 的匹配，我假设：

  • matches=bf.knnMatch(descriptor1, descriptor2, k=2)是我的TP+FP
  • 用 ration test 找到的匹配是我的 TP

如何计算我的 FN？例如相关但未返回的匹配项？

请注意，我只是提出一个假设，所以如果我错了，请纠正我。

我想对具体实现有一些帮助，例如在图像匹配的具体情况下这些数据在哪里。

或者，您能否建议我如何基于特征检测和描述评估 CBIR 系统？

4

1 回答 1

1

我终于找到了我的问题的答案，也许它可以帮助别人！

INFORMATION RETRIEVAL CONTEXT 和 CLASSIFICATION CONTEXT 中的 PRECISION 和 RECALL 计算之间存在差异。

对于信息检索：

precision = (relevant documents + retrieved documents) / retrieved documents
recall = (relevant documents + retrieved dcuments) / relevant documents

对于分类上下文，可以说混淆矩阵：

precision = TP/TP+FP
recall = TP/TP+FN

例如，就我而言，不可能使用混淆矩阵。

于 2018-04-27T07:57:07.707 回答