每个图像曲线的检测率与误报率

Question

我一直在努力了解如何从 Ref1 获取如下所示的检测率与FPPI 曲线。

在本文中，他们通过显示上图来分析他们的系统（RAW检测器）和应用跟踪之后。我想对我使用过的跟踪检测方法（MATLAB）做同样的事情，但我目前仍然坚持如何做到这一点。作为旁注，我将通过一组图像序列直观地评估我的系统。有人可以就如何产生这条曲线提出一些建议吗？非常感谢您的帮助。

参考1：Detecting People Looking at Each Other in Videos

Answer 1

让我引用：Articulated Part-based Model for Joint Object Detection and Pose Estimation：

  

绘制召回时的情况FPPI曲线，我们先收集所有的   候选对象实例（包括对象边界框和部分   location），然后我们按照降序对候选实例进行排序   根据总体匹配分数（主要论文中的方程[4]）。   最后，我们使用不同的阈值计算召回和FPPI   匹配分数以生成曲线。

等式4 可以是任何有界的非负评分函数

直到我对对象检测的谦虚理解，这在许多使用ETHZ Shape Classes的论文中被广泛使用，并且对于该数据集，在许多论文中报告的性能为0.4 FPPI。

Answer 2

以下是从Matlab的交互式绘图编辑器生成的。您可以使用X和Y系列调用它，X和Y应该是相同的长度。我添加了一些注释来解释它正在做什么，如果不是立即显而易见的

function createfigure（NX1，X1，NY1，Y1）     ％CREATEFIGURE（X1，Y1）     ％NX1：图例的x数据名称     ％NY1：图例的y数据名称     ％X1：x数据的向量     ％Y1：y数据的向量

% Create figure
figure1 = figure('XVisual','');

% Create axes
axes1 = axes('Parent',figure1,...
    'YTick',[0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 ],... % Tick marks on Y axis ...
    'YGrid','on',...       % Enable the horizontal grid lines
    'XTick',[0 0.25 0.5 0.75 1 1.25 1.5],... % Tick marks for X axis
    'XGrid','on');         % Enable vertical grid lines

    box(axes1,'on');
    hold(axes1,'all');

% Create plot - line colour is [r g b] so this is green
plot(X1,Y1,'Color',[0 1 0]);

% Create title
title('Upper Body Detection and tracking performance');

% Create legend
legend( NX1, NY1, 'East' );