王数据库的查准率与查全率

Question

我在MATLAB中开发了一个CBIR系统，并将相似性度量作为欧氏距离。对于每一个查询图像，我都会检索前20张图片。

我用王数据集来测试我的系统。

它包含10个班(如非洲人民、公共汽车、玫瑰等)每个包含100幅图像(总共1000幅图像)。

我的方法：

1. 我使用Correlogram，共现矩阵和差像素扫描模式分别构建我的向量(64+196+28=288维数)。
2. 每一个1000分贝的图像，我都有它的矢量事先构造。
3. 现在来了一个查询图像，我也构造了它的向量(228维)。
4. 我用欧氏距离进行相似性排序，并按它们的欧几里德距离的降序排序db图像向量。
5. 前20名的结果显示。
6. 在这20个中，我可以有TP或FP。

对于单一的查询图像，我可以很容易地计算精度，召回和绘制PR-曲线使用这个链接。

我怎么才能为全班同学做同样的事呢？

我的方法是:对于属于A类的每一个图像，查找前20幅图像，分别是TP(真阳性)和FP (假阳性)。

        TP   FP

Image1  17   3  
Image2  15   5  
...  
...  
Image100  10  10  
Total   1500 500  

A类的精度=1500/(2000) = .75 (对吗？)

回忆A类-？

PR-曲线->卡住了？有些链接说我需要分类器，而有些则不.我真的很困惑。

Answer 1

因此，正如您注意到的，您可以按以下方式计算精度。

P = TP ./ ( TP + FP );

但是，您需要有FN或总错误数来计算召回。作为聊天中讨论，您需要找到确定FN和FP数据的方法。然后，您可以使用以下公式计算召回。

R = TP ./ ( TP + FN )

如果您有混淆矩阵或数据，可以使用我的自定义confusionmat2f1.m计算精度、召回和f1分数。这假设混淆矩阵被格式化为如何Matlab定义了它。。每一行的解释都是内联的。如果你想要更多的澄清，请告诉我。

function [F,P,R] = confusionmat2f1( C )
    %% confusionmat2f1( C )
    %
    % Inputs
    % C - Confusion Matrix
    %
    % Outputs
    % F - F1 score column vector
    % P - Precision column vector
    % R - Recall column vector
    
    %% 
    
    % Confusion Matrix to Probability
    M = sum( C, 3 );
    
    % Calculate Precision
    P = diag(M) ./ sum(M,1)';
    
    % Calculate Recall
    R = diag(M) ./ sum(M,2);

    % Calculate F1 Score
    F = f1( P, R );