我使用SIFT和其他基于特征的算法（使用OpenCV和Python3）实现了CBIR，现在我必须评估它们的组合（即SIFT / SURF，ORB / BRISK ......）的表现。
我发现我可以使用Precision | TP | /（| TP | + | FP |）和Recall | TP | /（| TP | + | FN |）。我知道TP是正确的肯定，FN是未返回的相关文档，FP是返回但不相关的文档
我用BF计算我的比赛，我认为：
matches=bf.knnMatch(descriptor1, descriptor2, k=2)是我的TP + FP 如何计算我的FN？比如相关但未归还的比赛？
请注意，我只是在制定一个假设，所以如果我错了，请纠正我。
我想对具体实现有一些帮助，比如这些数据在图像匹配的具体情况下在哪里。
另外，您可以建议我如何评估基于特征检测和描述的CBIR系统吗？
答案 0 :(得分：0)
我终于找到了我的问题的答案，也许它可以帮助别人！
PRECISION和RECALL在信息检索上下文和分类上下文中有区别。
用于信息检索：
precision = (relevant documents + retrieved documents) / retrieved documents
recall = (relevant documents + retrieved dcuments) / relevant documents
对于分类上下文，可以谈论混淆矩阵：
precision = TP/TP+FP
recall = TP/TP+FN
在我的情况下，例如，无法使用混淆矩阵。