13、高效图像检索：序数保持潜在图哈希实验解析

高效图像检索：序数保持潜在图哈希实验解析

在图像检索领域，高效且准确的检索方法一直是研究的重点。为了评估不同哈希方法的检索性能，我们采用了一系列流行的评估指标，下面将详细介绍这些指标以及不同哈希方法在多个基准数据集上的实验结果。

评估协议

为了衡量不同方法的检索性能，我们使用了一些常用的评估指标来描述哈希方法在基准数据集上的检索结果。具体而言，我们使用了平均精度均值（Mean Average Precision，MAP）来评估整体检索准确性。

对于任何查询样本 (x_i)，我们可以通过以下公式计算平均精度（Average Precision，AP）：
[AP(x_i) = \frac{1}{r_k} \sum_{k=1}^{m} P(k)I(k)]
其中，(r_k) 是与 (x_i) 相关的样本数量，(P(k)) 是前 (k) 个返回样本的准确率，(I(k)) 是一个指示运算符，当第 (k) 个返回样本与 (x_i) 的真实邻居相同时，(I(k) = 1)；否则，(I(k) = 0)。

如果我们有 (k) 个查询样本，我们可以通过以下公式获得平均精度均值（MAP）：
[MAP = \frac{1}{k} \sum_{q=1}^{k} AP(x_i)]

除了 MAP，我们还计算了前 5000 个返回样本的 MAP 准确率，记为 MAP@top5000。此外，我们还使用了另外三个协议来展示不同哈希方法的检索性能，它们分别是精确率 - 召回率（Precision - Recall，PR）曲线、前 (K) 个检索样本的精确率（precision@topK）和前 (K) 个返回样本的召回率（recall@topK）。对于