主要内容
evaluateImageRetrieval
评估图片搜索结果
语法
描述
averagePrecision= evaluateImageRetrieval (queryImage,imageIndex,expectedIDs)queryImage。的expectedIDs输入包含图像的指标imageIndex已知的类似于查询图像。
(在选择返回相对应的指数图像averagePrecision,imageid,分数)= evaluateImageRetrieval (queryImage,imageIndex,expectedIDs)imageIndex视觉相似查询的形象。它还返回相应的相似性得分。
(使用指定的一个或多个额外的选项averagePrecision,imageid,分数)= evaluateImageRetrieval (___,名称,值)名称,值对参数,使用任何前面的语法。
例子
评估图像检索结果
定义一组图像。
dataDir = fullfile (toolboxdir (“愿景”),“visiondata”,“封套”);封套= imageDatastore (dataDir);
显示图片的集合。
thumbnailGallery = [];为i = 1:长度(bookCovers.Files) img = readimage(封套,我);缩略图= imresize (img, 300年[300]);thumbnailGallery =猫(4 thumbnailGallery缩略图);结束图蒙太奇(thumbnailGallery);
索引图像。这需要几分钟。
imageIndex = indexImages(封套);
创建一个使用Bag-Of-Features反向图像索引。- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -创建Bag-Of-Features。- - - - - - - - - - - - - - - - - - - - - - - - - *使用检测器方法选择特征点位置。*从所选特征点提取冲浪功能位置。* * detectSURFFeatures是特征提取的用于检测要点。*从58图像中提取特征……做的。提取29216特性。*保持最强的功能从每个类别的80%。*平衡特性的数量在所有图像分类来提高聚类。* *图像类别1最少的最强的特点:23373。 ** Using the strongest 23373 features from each of the other image categories. * Creating a 20000 word visual vocabulary. * Number of levels: 1 * Branching factor: 20000 * Number of clustering steps: 1 * [Step 1/1] Clustering vocabulary level 1. * Number of features : 23373 * Number of clusters : 20000 * Initializing cluster centers...100.00%. * Clustering...completed 7/100 iterations (~0.55 seconds/iteration)...converged in 7 iterations. * Finished creating Bag-Of-Features Encoding images using Bag-Of-Features. -------------------------------------- * Encoding 58 images...done. Finished creating the image index.
选择并显示查询的形象。
queryDir = fullfile (dataDir,“查询”,filesep);查询= imread ([queryDir“query2.jpg”]);图imshow(查询)
评估需要知道预期的结果。这里,查询图像是imageIndex第三本书。
expectedID = 3;
发现和报告的平均精度得分。
[averagePrecision, actualIDs] = evaluateImageRetrieval(查询,…imageIndex expectedID);流(的平均精度:% f \ n \ n 'averagePrecision)
平均精度:0.100000
并排显示查询和最佳匹配。
bestMatch = actualIDs (1);bestImage = imread (imageIndex.ImageLocation {bestMatch});图imshowpair(查询、bestImage“蒙太奇”)
计算意味着图像检索的平均精度(MAP)
创建一个图像的书籍封面。
dataDir = fullfile (toolboxdir (“愿景”),“visiondata”,“封套”);封套= imageDatastore (dataDir);
索引图像集。索引可能需要几分钟。
imageIndex = indexImages(封套,“详细”、假);
创建一组查询图像。
queryDir = fullfile (dataDir,“查询”,filesep);querySet = imageDatastore (queryDir);
为每个查询图像指定预期的搜索结果。
expectedIDs = (1 2 3);
评估每个查询图像和采集精度平均分数。
为i = 1:元素个数(querySet.Files)查询= readimage (querySet,我);averagePrecision (i) = evaluateImageRetrieval(查询、imageIndex expectedIDs(我));结束
计算平均平均精度(地图)。
地图=意味着(averagePrecision)
地图= 1
输入参数
输出参数
介绍了R2015a
