行人重识别评价指标解析：Rank-n, CMC, Precision & Recall

行人重识别（Person Re-Identification，简称Re-ID）是一项计算机视觉技术，旨在识别在不同监控摄像头下同一行人的身份。在实际应用中，由于光照变化、视角差异、遮挡等因素，行人重识别具有很大的挑战性。评价行人重识别系统性能的关键在于选择合适的评价指标，以便准确衡量其在复杂环境下的表现。 一、Rank-n Rank-n 是衡量行人重识别性能的重要指标，它指的是在查询结果的前n个排名中，正确匹配的行人出现的概率。例如，对于一个包含100个样本的搜索，如果查询的标签是m1，而返回的结果顺序为m1、m2、m3、m4、m5等，那么rank-1的正确率是100%，因为正确结果排在了第一位；同样，rank-2和rank-5的正确率也是100%。然而，如果结果顺序是m2、m1、m3、m4、m5，虽然rank-2和rank-5的正确率仍然是100%，但rank-1的正确率降为0%。Rank-n评价可以反映系统在不同召回率下的精度，有助于分析模型在多目标检索时的表现。 二、CMC (Cumulative Matching Characteristics) CMC曲线是另一种常见的行人重识别评价方法。它计算的是在所有查询中，正确身份出现在排序结果前k位的概率。CMC-k 或 Rank-k matching accuracy 表示在前k个匹配项中有查询身份的比例。计算公式为：如果前k个排名中包含了查询的身份，则Acc_k为1，否则为0。将所有查询的Acc_k曲线累加并除以查询总数，得到的就是平均的CMC曲线。典型的CMC曲线呈现单调递增，曲线上的点（R5, 0.96）意味着在前5个结果中有96%的查询能够找到正确身份。 三、Precision & Recall Precision 和 Recall 是信息检索领域的两个关键指标，它们也常用于行人重识别评估。Precision是指检索出的正样本占所有检索结果的比例，而Recall是指检索出的正样本占所有正样本的比例。在行人重识别中，高Precision意味着在返回的匹配结果中，正确的匹配比例较高；高Recall则表示系统能找出大部分的正确匹配。在优化模型时，通常需要在Precision和Recall之间进行权衡。 四、mAP (Mean Average Precision) mAP（Mean Average Precision）是衡量信息检索或对象检测系统性能的综合指标，尤其适用于多类别问题。在行人重识别中，mAP计算的是每个行人ID的Average Precision（平均精确度）的平均值。Average Precision是根据不同阈值计算的Precision-Recall曲线下的面积，mAP则进一步对所有类别的AP取均值，提供了一个全面的性能概览。 五、mINP (mean Identification Probability) mINP（mean Identification Probability）是另一个衡量行人重识别性能的指标，它关注的是系统对每个行人ID的识别概率的平均值。较高的mINP值表示系统在识别不同行人时具有更高的准确性。 Rank-n、CMC、Precision & Recall、mAP 和 mINP 是行人重识别领域常用的评价指标，它们从不同角度反映了系统的性能，帮助研究者和开发者优化算法，提升行人重识别的准确性和鲁棒性。