HPatches 数据集和评价指标

数据详情

构建方法

利用三维重建的方法获得特征点位置和匹配关系。

数据内容

后面更新

评价准则

定义 y = ( y 1 , … , y n ) ∈ { − 1 , 0 , + 1 } n \mathbf { y } = \left( y _ { 1 } , \ldots , y _ { n } \right) \in \{ - 1,0 , + 1 \} ^ { n } y=(y1​,…,yn​)∈{ −1,0,+1}n 是对查询 patch 和 测试集合的每个 patches 按照它们描述符之间 score 降序或者 dis 升序排序的 label 集合，label 分别表示 negative，ignore 和 positive，即查询 patch 和测试集中某个 patch 是非匹配关系，忽略关系，还是匹配关系（真值）。

这样基于上面的 $\mathbf{y}$ 定义排序前 $i$ 个为算法匹配上的结果，这样 precision 和 recall 指标分布为：

$$\begin{gathered} P_i(\mathbf{y})=\sum _{k=1}^i{\left[y_k\right]}_{+}/\sum _{k=1}^i\left|y_k\right| \\ {R}_i(\mathbf{y})=\sum _{k=1}^i{\left[y_k\right]}_{+}/\sum _{k=1}^N{\left[y_k\right]}_{+} \end{gathered}$$

其中 [ z ] + = max ⁡ { 0 , z } [ z ] _ { + } = \max \{ 0 , z \} [z]+​=max{ 0,z}，正样本返回 1，其他返回 0。

这个和之前的定义一直，至少方式的不同：
$$\begin{gathered} Precision=\frac{TP}{TP+FP} \\ Recall=\frac{TP}{TP+FN} \end{gathered}$$
然后 average precision (AP) 的定义如下：
A P ( y ) = ∑ k : y k = + 1 P k ( y ) /