person reid评价指标——CMC原理及代码解析，mAP

最新推荐文章于 2024-07-02 13:49:00 发布

转载

最新推荐文章于 2024-07-02 13:49:00 发布 · 1.8k 阅读

4 ·

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/xiaoaoran/p/10854911.html

文章标签：

#人工智能

CMC是行人重识别的经典评价指标，表示识别结果相似性降序排列中前n个结果包含目标的识别率。mAP则是平均精度均值，涉及Precision和Recall的计算，衡量检索效果。本文详细解释了CMC曲线的计算原理，并提供了相关代码解析。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

CMC

CMC全程是Cumulative Matching Characteristics, 是行人重识别问题中的经典评价指标。该曲线的横坐标为rank，纵坐标为识别率百分比。rank n表示识别结果相似性降序排列中前n个结果包含目标。识别率是rank n 的数目#(rank n)占总的query样本数的比例。如下图

CMC曲线图来源 https://blog.youkuaiyun.com/m0_37240250/article/details/79942939

代码解释

先贴代码

代码来源 [港中文Xiaogang Wang教授主页]

下载链接

function C = cmc(D, varargin)
% CMC computes the Cumulative Match Characteristic.
%   C = CMC(D) computes the CMC of given distance matrix D between each pair
%   of gallery and probe person. Both gallery and probe persons are
%   assumed to be unique, i.e., the i-th gallery person matches only to
%   the i-th probe person. D(i, j) should be the distance between
%   gallery instance i and probe instance j.
%   单个参数C = CMC(D)时表示gallery和probe中的identity都是独一无二的，
%   即gallery中第i个person只匹配probe set第i个person
%
%   C = CMC(D, G, P) comput