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输入包含内部图像的索引imageIndex已知与查询图像类似。
［可选地返回与内部图像相对应的索引averagePrecision，图像，得分] = evaluateMageretrieval（QueryImage.，imageIndex，expectedIDs）imageIndex它们在视觉上与查询图像相似。它还返回相应的相似度得分。
［使用一个或多个指定的其他选项averagePrecision，图像，得分] = evaluateMageretrieval（＿＿＿，名称，价值）名称，价值配对参数，使用前面的任何语法。
例子
评价图像检索结果
定义一组图像。
datadir = fullfile（toolboxdir（“愿景”），“visiondata”，“封套”）;封套= imageDatastore (dataDir);
显示一组图像。
thumbnailgallery = [];为i = 1:length(bookCovers. files) img = readimage(bookCovers,i);Thumbnail = imresize(img，[300 300]);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);
使用Bag-Of-Features创建倒置的图像索引。------------------------------------------------------- 创建Bag-Of-Features。------------------------- * 选择使用检测器方法特征点的位置。*从选定的特征点位置提取SURF特征。** detectsurfeatures用于检测关键点进行特征提取。*从58张图片中提取特征…完成。提取29216特性。*保留每个类别中80%最强大的功能。*平衡所有图像类别的特征数量，以改善聚类。**图像类别1最强特征数量最少:23373。 ** Using the strongest 23373 features from each of the other image categories. * Using K-Means clustering to create a 20000 word visual vocabulary. * Number of features : 23373 * Number of clusters (K) : 20000 * Initializing cluster centers...100.00%. * Clustering...completed 7/100 iterations (~0.68 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.
选择并显示查询图像。
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。在这里，查询图像是imageIndex中的第三本书。
预期= 3;
查找并报告平均精度分数。
[averagePrecision, actualIDs] = evaluateImageRetrieval(查询,.．.imageIndex，期望的）;fprintf（'平均精确度：％f \ n \ n'，平均专制）
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”）
计算图像检索的平均平均精度（地图）
创建图书封面的图像集。
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（书架，'verbose'，错误的）;
创建一组查询图像。
querydir = fullfile（datadir，“查询”, filesep);queryset = imagedataStore（querydir）;
为每个查询映像指定预期的搜索结果。
expectedIDs = [1 2 3];
评估每个查询图像并收集平均精度分数。
为i = 1:numel(querySet. files) query = readimage(querySet,i);averagePrecision(i) = evaluateImageRetrieval(query, imageIndex, expectedIDs(i));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
在R2015A介绍
您还可以从以下列表中选择一个网站：
