！转载请注明原文地址！——东方旅行者

更多行人重识别文章移步我的专栏：行人重识别专栏

行人重识别算法性能指标

  • 一、AP（Average Precision平均准确度）和mAP（mean Average Precision平均准确度均值）
  • 二、CMC（Cumulative Match Characteristic累计匹配特征）
  • 三、举例计算AP、mAP与CMC Curve
    • 1.AP、mAP
    • 2.CMC Curve

一、AP（Average Precision平均准确度）和mAP（mean Average Precision平均准确度均值）

AP衡量的是模型在单个类别上判断结果的好坏（效果好坏）,是每一次正确预测的准确率的平均数。mAP衡量的是模型在所有类别上的AP的平均值。

二、CMC（Cumulative Match Characteristic累计匹配特征）

CMC曲线（Cumulative Match Characteristic Curve）横轴代表Rank-n，纵轴代表Accuracy。如果选取Rank-n排序列表为[1，2，5，10]的话，则CMC曲线就是一个由四个点连接而成的曲线。其中每个点的Rank-n的值都为所有测试数据的Rank-n的平均值。
Rank-n代表前n个预测是否包含正确预测，取值要么为1要么为0。

三、举例计算AP、mAP与CMC Curve

假设一次的测试结果为：
数据1（标签为0）的测试结果（相似度前10的数据的标签）：0，1，2，3，4，5，0，7，8，9
数据2（标签为1）的测试结果（相似度前10的数据的标签）：5，0，1，3，4，5，0，7，8，9
数据3（标签为2）的测试结果（相似度前10的数据的标签）：1，0，1，3，4，2，0，7，8，9

1.AP、mAP

数据1的十次预测一共有两次正确预测，第一次正确预测的准确率为1/1=100%，第二次正确预测的准确率为2/7=28.6%，则数据1的AP为((100+28.6)/2)%=64.3%。

同理，数据2的AP为33.3%，数据3的AP为16.7%。
则本次测试的mAP为((64.3+33.3+16.7)/3)%=38.1%。

2.CMC Curve

所以，按照上述例子，计算每个数据的Rank-n（1，2，5，10）为

  1. 数据1，[1，1，1，1]
  2. 数据2，[0，0，1，1]
  3. 数据3，[0，0，0，1]

则CMC曲线中Rank-1为0.333，Rank-2为0.333，Rank-5为0.667，Rank-10为1。
图像为：
CMC曲线