累积匹配特征（CMC）的探针和库集关联和形成

Question

抱歉，这不是编码问题，但是由于这里许多开发人员的专业知识，我相信有人可能会遇到这种情况。我相信这将为正在阅读和实施CMC的初学者提供宝贵的资源

我对用于计算CMC的数据集和基本事实感到困惑，还请阅读stackoverflow中的一些论文paper 1，paper 2和paper 3和here ，我很清楚CMC的功能，但是我唯一的困惑是关于数据集。

我的场景

我正在研究著名的VIPeR数据集，该数据集公开可用，其中包含使用两个具有不同视点的相机拍摄的图像集。名为cam_a的文件夹包含来自摄像机A的632张图像，另一个文件夹cam_b包含来自其他摄像机的632张图像。

一对多

在很多情况下，我们有一个探针组，每个探针只有一个图像，而画廊集，其中画廊组包含画廊数量，每个画廊包含图像数量

因此，我制作了一种可以生成图库集的方法，例如，我可以生成一个包含1000个图库的图库集，每个图库的大小为100张图像（随机）。 对于探针，可以说我使用了任何一组唯一的50张图像，总共50个探针。

我的困惑

现在我的困惑是，这些探针与画廊集的画廊之间是什么关系，该探针是否需要在这些画廊中，如果是的话，那么例如根据一个探针对画廊进行排序之后，排名将如何例如，如果图像在画廊中，则其排名将始终为1，因为它与探测图像的相似度接近1或非常高。

所以我对这些画廊背景和画廊内部的地面真相形成感到困惑吗？

有人可以帮助我摆脱困境，向我解释我哪里错了，这些画廊和探针是如何关联的，什么是地面真理关联或某人有任何其他有用的见解？

我也阅读了Paper，以了解有关探针和画廊关联以及基于探针和地面事实的排名的更多细节，但仍不清楚。

测试用例 每个camera文件夹中总共有632 + 632个图像文件，因此首先我需要制作一些随机的独特图像库。

Gallery=[3,4,5,1,8,6,7]  #here number represents image file name 
probe1=[4]  # as in the above shared picture probe should be in the gallery
probe2=[5]
probe3=[7]

然后，我需要测量这些探针与图库的相似度，这里出现了问题，因为由于这些探针在图库中，因此在计算相似度并对其进行排名之后，我确定每个探针在图库中的排名为1，我认为这是一个错误的想法，那么CMC的计算也将是错误的，那么这里的重点是什么？