我实现了基于内容的图像检索系统，该系统将图像编码为VLAD codes。简言之，图像是数千维的矢量，并且两个图像之间的相似性被测量为两个相应的VLAD矢量之间的L2距离。实际上，我们返回查询代码和所有数据集代码之间的前k个最小距离。
现在，我正在Oxford Building Dataset上测试这个系统，这是一个用于测试你的CBIR系统的流行数据集：有55个查询图像，我们计算平均平均精度来评估你的方法。
给定查询图像，该组真阳性被定义为“好”和“好”图像之间的联合。这些集由数据集作者手动创建，有关更多信息，请阅读原始论文（参见上面的链接）。
因此，假设完美的VLAD代码，topk[0]是数据集图像之间最相似的图像，并且它具有最小的L2距离w.r.t.查询代码。 请注意，这将用于对象识别应用程序，因此在给定查询图像的情况下，我们要返回最相似的图像（而不是前k值），因此应该考虑此阈值只有前1个距离。
我想做的事情是学习treshold值s.t.如果topk[0]<treshold我们可以安全地假设这是一张相关图片。
机器学习并不是我的领域，但是我想到了这个值：我们计算topk[0]图像是真阳性的所有图像的topk[0]的平均值，而我们不考虑误报（他们会污染这个阈值vaue）。我意识到这是一个非常天真的解决方案，但没有更好的事情出现在我的脑海里。
对于我的实施，我注意到top[0]通常介于1.0*和1.3*之间以获得良好匹配，而通常非常“遥远”的图片有>1.5*
答案 0 :(得分：0)
一般情况下，我建议您研究一些其他方法来量化具有重要属性的图像的相似性，例如尺度不变检测，对光照变化的稳健性等。如果你只想要一个L2范数的阈值，有几种方法可以解决它。什么价值“最好”很大程度上取决于你想要什么。如果你重视最小化假阳性，那应该是你的成本函数，如果你重视避免假阴性而不是你应该优化它...你也可以尝试优化两者同时你给它们两个热量成本函数。我能想到的一种方法是：
只需考虑一个选项，但也许你觉得它有用。