局部特徵評價指標

整體評估

檢測評估

描述符評估

評價描述符 Descriptor 的可區分度，具體指在不同描述符距離閾值下的 Precision-Recall 曲線的 Area Under Curve (AUC)，使用 NN 匹配策略。簡單來說就是設置一個描述符距離閾值，兩個描述符的距離小於該閾值認爲二者是匹配上的，否則是非匹配上的，但小於該閾值的實際上有可能是匹配關係也有可能是非匹配關係。區分如下表：

	匹配關係	非匹配關係
匹配上（小於閾值）	TP (true positive)	FP (false positive)
未匹配上（大於等於閾值）	FN (false negative)	TN (true negative)

所以：

$TruePositiveRate = TPR = \frac{TP}{TP + FN} \\ TrueNegativeRate = TNR = \frac{TN}{FP + TN} \\ FalsePositiveRate = FPR = \frac{FP}{FP + TN} \\ FalseNegativeRate = FNR = \frac{FN}{TP + FN}$

還有：

$Precision = \frac{TP}{TP + FP} \\ Recall = \frac{TP}{TP + FN} \\ Accuracy = \frac{TP + TN}{TP + TN + FP + FN}$

那知道上面後，下面說明一下 ROC（receiver operating characteristic） 曲線和 PR 曲線：

• ROC 曲線是 TPR 爲縱軸，FPR 爲橫軸，二者是正相關關係，是上升的曲線。
• PR 曲線是 Precision 爲縱軸，Recall 爲橫軸，二者是負相關關係，是下降的曲線。

Area Under Curve (AUC) 就是這兩個曲線下面積，面積越大效果越好。