CMC曲线

行人重识别评测指标

CMC

CMC曲线即cumulated matching characteristic curve，是一个检验一个识别系统的性能的参数， 常用于人脸识别、行人重识别等领域。

CMC曲线综合反映了分类器的性能，首先介绍一下Rank-1识别率的意思。

Rank-1识别率就是表示按照某种相似度匹配规则匹配后，第一次就能判断出正确的标签的数目与总的测试样本数目之比，Rank5识别率就是指有五次机会（选取匹配程度最大的五项）去判断是否有正确匹配。如果一个样本按照匹配程度从大到小排列后，到排序结果的后面，才匹配到正确标签，把最应匹配的判别成最不应匹配的，这就说明分类器不太好，。

举个例子来说，比如，我们训练了一个分类器，来识别五个物体，即1，2，3，4，5，他们属于3类即A，B，C。比如属于A类的物体1，经过分类器，得到属于A、B、C类的概率是80%，50%，5%，所以将物体1，判定为A类，物体1经过一次排序就被命中正确的类，所以我们引入Rank-1为100%，若物体2本来属于B类，被我们训练的分类器分类为A、B、C的概率分别为50%，40%，30%，所以被判定为A类，按照概率排序，如果有两次机会，才能命中，这就是Rank-2的含义。综上五个物体，若果每个都能第一次命中，所以五个物体的Rank分别是

• rank-1 100%
• rank-2 100%
• rank-3 100%

如果物体1，2为一次就命中，3，4为两次才能命中，5为三次命中，则为

• rank-1 40%
• rank-2 80%
• rank-3 100%

这就是CMC曲线，而一次命中率越高，说明我们的分类器性能越好。

mAP

如下图所示，表示了mAP的求解过程。第一次查询中，橙色为符合检索条件的正确图片，灰色为错误图片。按照返回的十个检索结果，计算得到他们的查准率和召回率，然后计算得到每次查询的查准率，最后求平均，得到。

区别

两者在行人重识别的算法模型评测中都会使用，区别在于得到的查询结果只有一个或者多个。CMC曲线只适用与得到的查询结果只有一个的情况，换言之，是两个摄像头之间的检索。而现在大部分的研究都是跨多个摄像头，有时，CMC曲线便不能正确描述其性能。比如下图

绿色表示正确的结果，黄色表示错误的结果。(a)(b)(c)三个Rank-1都为100%，而(b)(c)两种检索的性能是不同的。(b)的查准率为(1/1+2/2)/2 = ,(c)的查准率为(1/1+2/5)/2=0.7,可见(b)的性能比(c)好。