计算王数据库的精度和召回率

我在MATLAB中制作了一个CBIR系统，并使用相似性度量作为欧氏距离。使用此为每个查询图像我检索前20名图像。计算王数据库的精度和召回率

我用WANG Dataset来测试我的系统。
它包含10个类（如非洲人，公交车，玫瑰等），每个包含100个图像（共1000张图像）。我使用相关图，共现矩阵（CCM）和像素扫描模式（DBPSP）之间的区别来构建我的矢量（分别为64 + 196 + 28 = 288尺寸）。

1000 db图像的每一个我都事先构建了它的向量。
现在查询图像来了，我也构造它的矢量（再次228维）。
我使用欧几里德距离来进行相似性处理，并按照其欧几里德距离的降序对db图像向量进行排序。
显示前20条结果。
在那20我可以有TP或FP。

对于单个查询图像，我可以很容易地计算出精确度和召回，并使用该link情节PR-曲线。

我该怎么做全班同班同学？

我的方法：对于属于A类的每幅图像，找到前20幅图像，它分别是TP（真正的正片）和FP（假正片）。

 TP FP 

Image1 17 3 
Image2 15 5 
... 
... 
Image100 10 10 
Total 1500 500

类的精密A = 1500 /（2000）= 0.75（是不是？）
召回一类--->的滞留??
PR曲线---->卡住??有些链接说我需要一个分类器，有些则不是......我真的很困惑。

来源

2015-04-22 CoderBoy

您是否有混淆矩阵，或者您只有TP/FP？ – krisdestruction

只有TP和FP。如果图像属于正确的类别，则在20张图像中，我将TP增加1，如果不是，则将FP增加1。如何检查图像的类别是否正确非常简单，因为A类图像的范围是0-99，然后B类的范围是100-199，依此类推。所以一个简单的if-else循环给了我答案。 – CoderBoy

gahh好吧我的解决方案不会工作然后:( – krisdestruction

所以，正如你所说，你可以计算精度如下。

P = TP ./ (TP + FP);

但是，您需要具有FN或计算召回总失败次数。由于discussed in chat，你需要找到一种方法来确定你的FN和FP数据。然后你可以使用下面的公式来计算召回。

R = TP ./ (TP + FN)

如果有混淆矩阵或数据，你可以使用我的自定义confusionmat2f1.m计算精度，召回，和F1值。这假定混淆矩阵被格式化为Matlab defines it。每行的解释都是内联的。请让我知道，如果你想更多的澄清。

function [F,P,R] = confusionmat2f1(C) 
    %% confusionmat2f1(C) 
    % 
    % Inputs 
    % C - Confusion Matrix 
    % 
    % Outputs 
    % F - F1 score column vector 
    % P - Precision column vector 
    % R - Recall column vector 

    %% 

    % Confusion Matrix to Probability 
    M = sum(C, 3); 

    % Calculate Precision 
    P = diag(M) ./ sum(M,1)'; 

    % Calculate Recall 
    R = diag(M) ./ sum(M,2); 

    % Calculate F1 Score 
    F = f1(P, R);

来源

2015-04-22 23:59:05 krisdestruction

如何计算FN和TN？我能做的唯一操作是拍摄一幅图像，然后查找20幅图像中的前20幅图像，如果图像属于正确的类别，则将TP增加1，如果不是，则增加FP 如果不使用分类器，我不能做到这一点吗？如果不是，您可以建议一些内置的MATLAB？ – CoderBoy

对于FN，那些被分类为no，但实际上是yes的，对于TN，这些是那些被归类为否，并且实际上是否定的。你需要6个变量中的4个（TN，FN，TP，FP，总真，总假）来计算精度和召回。您需要重写代码来解释其中一个变量，但我建议您改为创建一个混淆矩阵。它使分析更容易:) – krisdestruction

这也不难。只要你知道这些类被归类为什么，以及基本事实（它应该是什么），你可以将它提供给'confusionmat'函数。 – krisdestruction

计算王数据库的精度和召回率

回答

相关问题