计算图像匹配过程中的召回率和精确率

znyghyjy 2019-10-30 09:34:46
根据两图像间的单应性矩阵H计算两个特征点是否重复，这里设置一个correspondence变量，作为重复特征点的数量，则匹配结果评价的两个参数Precision和Recall有如下公式：


公式中，#correct matches表示匹配结果中正确匹配点对，#correspondences表示特征点检测时重复特征点对（特征点重复即认为实际为正确匹配点对，但可能被匹配算法匹配上，也可能未匹配上），#false matches表示匹配结果中错误匹配点对。其中，正确与错误匹配点对可以用上面提到的两个判断特征点是否重复的条件来判定。

因此，在评价特征点匹配结果时，首先应当知道两个图像间的单应性矩阵H，然后通过特征点检测算法得到左右图像中的特征点信息，根据单应性矩阵得到重复特征点数，即#correspondences；接着由特征点匹配算法得到的匹配结果计算Precision和Recall，绘制1-precision和recall曲线，曲线靠上方的结果较出色！


这里怎么求出correspondence呢，还有就是怎么判断是正确的匹配呢（什么样的匹配是#correct matches）。
有大神写过相关的代码吗，可以分享下吗！
...全文
893 3 打赏 收藏 转发到动态 举报
写回复
用AI写文章
3 条回复
切换为时间正序
请发表友善的回复…
发表回复
hht199611 2022-09-15
  • 打赏
  • 举报
 回复

求correspondence需要先估计两影像间的变换矩阵，一般通过人工在影像上均匀的刺点，通过这些点估计该矩阵；得到变换矩阵后，使用该矩阵筛选两影像间的特征点求出求出correspondence

zsjabde 2022-06-10
  • 打赏
  • 举报
 回复

您好，请问您的问题解决了吗？

いしょ 2020-10-29
  • 打赏
  • 举报
 回复
楼主您好，请问您解决了您的问题了吗?
精确的离线查询扩展，可用于大规模移动视觉搜索
移动视觉搜索是一类新的应用程序，它使用照相手机拍摄的图像来发起搜索查询。 这是一项非常具有挑战性的任务，主要是因为视点变化引起的图像仿射变换，以及由于手颤抖引起的运动模糊。 这些问题在移动视觉搜索中是不可避免的，并经常导致召回率低。 查询扩展是提高召回率的有效策略，但是现有方法占用大量内存且非常耗时，并且经常涉及许多冗余功能。 结合鲁棒的局部补丁挖掘和几何参数编码，提出了一种用于大规模移动视觉搜索的精确离线查询扩展方法。 具体而言，提出了一种新的准则，用于强大的补丁评估和挖掘。 然后，从这些选定的局部补丁中提取多个代表性特征，以处理视点变化。 此外，还记录了每个代表性视点的几何参数，以支持快速准确的特征匹配。 在几个著名的数据集和一个大图像集（1 M）上的实验结果证明了我们方法的有效性和效率，尤其是它对视点变化的高鲁棒性。 所提出的方法也可以很好地推广到其他多媒体内容分析任务。
图像检索任务中召回率与精确度与检索集和查询集之间的关系
在信息检索中，通常会使用查询集和检索集。这是因为召回率和精度的计算方式不同，它们对检索结果中的相关文档和非相关文档的权重不同，因此在不同的场合下需要选择适当的指标来评估检索结果的质量。它反映了检索结果的完备性，即检索结果中包含的相关文档数与查询集中所有相关文档数之间的比例。精度（Precision）是指检索出的相关文档数与检索出的所有文档数的比例。它反映了检索结果的质量，即检索结果中包含的相关文档数与检索出的所有文档数之间的比例。精度越高，说明检索结果中包含的非相关文档比例越低，检索结果的质量越好。
召回率 matlab代码,召回率和精度(示例代码)
召回率(Recall) 查全率精度(Precise) 查准率是广泛用于信息检索和统计学分类领域的两个度量值，用来评价结果的质量。在信息检索中的解释：系统检索到的相关文档数 系统检索到的相关文档数 A召回率 = ----------------------------- = -----------...
matlab 计算准确率,精确率、召回率、准确率与ROC曲线
精确率表示的是预测为某类样本(例如正样本)中有多少是真正的该类样本，一般用来评价分类任务模型。比如对于一个分类模型，预测结果为A类的所有样本中包含A0个真正的A样本，和A1个不是A样本的其他类样本，那么该分类模型对于分类A的精确率就是A0/(A0+A1)。通常来说精确率越高，分类效果越好。但是在样本分布非常不均衡的情况下， 精确率高并不一定意味着是一个好的模型。比如对于预测长沙明天是否会下雪的模型...
准确率、精确率、召回率、F1score和混淆矩阵
F-Score：权衡精确率（Precision）和召回率（Recall），一般来说准确率和召回率呈负相关，一个高，一个就低，如果两个都低，一定是有问题的。一般来说，精确度和召回率之间是矛盾的，这里引入F1-Score作为综合指标，就是为了平衡准确率和召回率的影响，较为全面地评价一个分类器。F1是精确率和召回率的调和平均。精确率代表对正样本结果中的预测准确程度，准确率则代表整体的预测准确程度，包括正样本和负样本。也叫查准率，即正确预测为正的占全部预测为正的比例(不准错，宁愿漏检，也不能让现有的预测有错)。
其它技术问题

3,881

社区成员

9,054

社区内容

发帖
与我相关
我的任务
社区描述
C/C++ 其它技术问题
社区管理员
  • 其它技术问题社区
加入社区
  • 近7日
  • 近30日
  • 至今

加载中

查看更多榜单
社区公告
暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章