如何解决3d 形状相似度的性能测量
如果我在这方面得到帮助,我将不胜感激:
我的数据库索引如下:
[0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 3 3 3 3 3 3 3 3 3 3 3 3 4 4 4 5 5 5 5 5 5 5 5 5 5 5 5 6 6 6 6 6 6 6 6 6 6 7 7 7 7 7 7 7 7 7 7 7 7 8 8 8 8 8 8 8 8 8 8 8]
其中每个数字代表一个类别,0 代表猫类别,例如有 10 只猫, 我正在做的是一个查询,以便从数据库中检索相似的形状,完成了 5 个查询,它们的结果是这样的:
[list([1,1,1]) list([4,4,4])
list([8,8,8]) list([1,1])
list([5,5,5])]
所以每个列表都包含根据我已经指定的约束检索到的顶部,但可以肯定的是,这里有两次 1 但它指的是不同的形状但肯定是同一类。
我现在想弄清楚的是进行性能测量,例如精确召回、E-measure、折扣累积增益 (DCG)、最近邻 (NN)、一级 (Tier1) 和二级 -层(Tier2)。
在大多数形状匹配和检索过程中使用的度量。 不知何故,我了解了每个术语背后的概念,但我缺乏如何在我的情况和数据结果中做到这一点。
我正在用 Python 编码。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。