Person Re-id：评价指标

评价指标：

1、rank-n: 搜索结果中最靠前（置信度最高）的n张图有正确结果的概率。

CMC曲线 ：算一种top-k的击中概率，主要用来评估闭集中rank的正确率。

例如： lable为m1，在100个样本中搜索。

如果识别结果是m1、m2、m3、m4、m5……，则此时rank-1的正确率为100%；rank-2的正确率也为100%；rank-5的正确率也为100%；如果识别结果是m2、m1、m3、m4、m5……，则此时rank-1的正确率为0%；rank-2的正确率为100%；rank-5的正确率也为100%；如果识别结果是m2、m3、m4、m5、m1……，则此时rank-1的正确率为0%；rank-2的正确率为0%；rank-5的正确率为100%

当待识别的人脸集合有很多时，则采取取平均值的做法。

2、Recall：召回率 output为1中ground truth也为1的 占output为1的概率

Precision：准确率 output为1中ground truth也为1的 占ground truth为1的概率

F-score：recall和precision的调和平均数  2 * P * R / (P + R) 

PR曲线: 所有样本的precision和recall绘制在图里

3、mAP : PR曲线下的面积

例如：query-id = 1，query-cam = 1，gallery共有5张图，按照下图方式计算出recall和precision，以recall为横坐标，precision为纵坐标，绘制PR曲线，曲线下方面积即为AP，当需要检索的不止一个人时，此时取所有人的平均mAP。。

曲线下方面积计算方法有多种，例如 ap = ap + (recall - old_recall)*((old_precision+precision)/2);

AP衡量的是学出来的模型在单个类别上的好坏，mAP衡量的是学出的模型在所有类别上的好坏

4、CMC

CMC曲线就是算一种top-k的击中概率。

对于single gallery shot来说，每一次query，对samples排序，找到匹配上id的gallery后，排除掉同一个camera下同一个id的sample，

5、ROC：

曲线上的每一点反映的是不同的阈值对应的FP（false positive）和TP（true positive）之间的关系。通常情况下，ROC曲线越靠近（0，1）坐标表示性能越好。

TP : True Positive 预测为1，实际也为1；TN：True Nagetive 预测为0，实际也为0

FP：False Positive 预测为1，实际为0的；FN：False Nagetive 预测为0，实际为1的

TPR=TP/(TP+FN)=Recall。

FPR=FP/(FP+TN)，FPR即为实际为好人的人中，预测为坏人的人占比。

以FPR为x轴，TPR为y轴画图，就得到了ROC曲线。