我正在研究两个不同季节（例如夏天和秋天）的闭环检测问题。我需要制作精确调用曲线。假设我从夏天拍摄了500张图像，从秋天拍摄了500张图像。我有距离矩阵。 enter image description here
但是我完全困惑如何绘制精确的召回曲线。就像，对于一个季节的每张图像，我将获得500个按升序（距离）排列的最近图像。我知道精度和召回率的定义，但是我无法接近这个问题的解决方案。期待任何形式的帮助或意见或建议。预先感谢。
答案 0 :(得分：0)
在精确调用图中，每个点都是一对精确值和调用值。我想您的情况是，您需要为每张图像计算这些值，然后取它们的平均值。
想象一下，您总共有1000张图像，而属于夏天的图像只有100张。如果您拍摄500张最接近“夏季”图像的图像，则在最佳情况下（当第一幅图像始终属于该类别时）的精度将为：
precision(summer) = 100 / (100 + 400) = (retrieved summer images) / (retrieved summer images + other retrieved images) = 0.2
回想一下：
recall(summer) = 100 / (100 + 0) = (retrieved summer images) / (retrieved summer images + not retrieved summer images) = 1
如您所见，它的召回率很高，因为检索了所有夏季图像，但精度较低，因为只有100张图像，另外400张图像不属于此类。
现在，如果您拍摄的是前100张而不是500张图像，则查全率和精度将等于1。
如果先拍摄50张图像，则精度仍为1，但召回率将降至0.5。
因此，通过改变图像数量，您可以获得精确调用曲线的点。对于上述示例，这些点将是（0.2，1），（1，1），（1，0.5）。
您可以使用不同的阈值为1000幅图像中的每幅计算这些值。