标签：匹配 rank1 m13 query 识别 下图 图片

行人重识别

1、损失函数

分类损失+triple loss，下图中的A和P是甲的两张不同的图片，N是乙的一张图片，a是超参数，目标是使得甲的识别匹配度近似，但是甲乙的识别匹配度相差很远

 实际在采样中，采用hard-negtive方法，挑的A和P要尽可能差别很大，A和N要尽可能接近，以此来加大学习的难度

2、评估指标

rank1：与query匹配度最高的预测结果是对的还是错的，比如下图的先对匹配结果降序排列，第1是和query挺像，所以是 rank1 是对的

map：ap的平均，值越高则匹配的越好，下图中 2/3 表示匹配对了的第2张图片在第3个位置，如此类推

标签：匹配,rank1,m13,query,识别,下图,图片
来源： https://www.cnblogs.com/pjishu/p/16694903.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。