4,450
社区成员
发帖
与我相关
我的任务
分享如何计算这里的rank K识别率？
看到一个作者是这么进行人脸识别实验的，
首先，将数据集分为5个子集，每个子集有140幅图像，且对应于140个目标。
然后，采用类似5折交叉验证实验的模式，以其中一个子集作为样本集，剩余四个作为测试集。
最后统计识别率时，计算的是rank K识别率，同时还画出了曲线。
想问：这个rank K识别率是怎么算的？
有一个想法是，对于单个样本集和单个测试集的识别实验，将进行140个test，每个test对应于一个目标。
根据每个test中真实类的相似度排名，可以计算出rank K识别率。其中，K的最大值是140（因为有140个目标）。
然后，1折实验就会进行4x140个test，5折实验就会进行5x4x140个test。这样，rank 1识别率有20个值，rank 2识别率有20个值，…，rank 140识别率也有20个值。
最后，取平均值即可。
想问：不知道这个想法对不对？
首先，将数据集分为5个子集，每个子集有140幅图像，且对应于140个目标。
然后，采用类似5折交叉验证实验的模式，以其中一个子集作为样本集，剩余四个作为测试集。
最后统计识别率时，计算的是rank K识别率，同时还画出了曲线。
想问：这个rank K识别率是怎么算的？
有一个想法是，对于单个样本集和单个测试集的识别实验，将进行140个test，每个test对应于一个目标。
根据每个test中真实类的相似度排名，可以计算出rank K识别率。其中，K的最大值是140（因为有140个目标）。
然后，1折实验就会进行4x140个test，5折实验就会进行5x4x140个test。这样，rank 1识别率有20个值，rank 2识别率有20个值，…，rank 140识别率也有20个值。
最后，取平均值即可。
想问：不知道这个想法对不对？
...全文
请发表友善的回复…
发表回复
Iris_Ludwig 2017-03-20
- 打赏
- 举报
询问原文作者也没有回复，自己暂时就认为是这样算吧
