評價指標：

1、rank-n: 搜尋結果中最靠前（置信度最高）的n張圖有正確結果的概率。

CMC曲線 ：算一種top-k的擊中概率，主要用來評估閉集中rank的正確率。

例如： lable為m1，在100個樣本中搜索。

如果識別結果是m1、m2、m3、m4、m5……，則此時rank-1的正確率為100%；rank-2的正確率也為100%；rank-5的正確率也為100%；如果識別結果是m2、m1、m3、m4、m5……，則此時rank-1的正確率為0%；rank-2的正確率為100%；rank-5的正確率也為100%；如果識別結果是m2、m3、m4、m5、m1……，則此時rank-1的正確率為0%；rank-2的正確率為0%；rank-5的正確率為100%

當待識別的人臉集合有很多時，則採取取平均值的做法。

2、Recall：召回率 output為1中ground truth也為1的 佔output為1的概率

Precision：準確率 output為1中ground truth也為1的 佔ground truth為1的概率

F-score：recall和precision的調和平均數  2 * P * R / (P + R) 

PR曲線: 所有樣本的precision和recall繪製在圖裡

3、mAP : PR曲線下的面積

例如：query-id = 1，query-cam = 1，gallery共有5張圖，按照下圖方式計算出recall和precision，以recall為橫座標，precision為縱座標，繪製PR曲線，曲線下方面積即為AP，當需要檢索的不止一個人時，此時取所有人的平均mAP。

曲線下方面積計算方法有多種，例如 ap = ap + (recall - old_recall)*((old_precision+precision)/2);

AP衡量的是學出來的模型在單個類別上的好壞，mAP衡量的是學出的模型在所有類別上的好壞

4、CMC

CMC曲線就是算一種top-k的擊中概率。

對於single gallery shot來說，每一次query，對samples排序，找到匹配上id的gallery後，排除掉同一個camera下同一個id的sample，

5、ROC：

曲線上的每一點反映的是不同的閾值對應的FP（false positive）和TP（true positive）之間的關係。通常情況下，ROC曲線越靠近（0，1）座標表示效能越好。

TP : True Positive 預測為1，實際也為1；TN：True Nagetive 預測為0，實際也為0

FP：False Positive 預測為1，實際為0的；FN：False Nagetive 預測為0，實際為1的

TPR=TP/(TP+FN)=Recall。

FPR=FP/(FP+TN)，FPR即為實際為好人的人中，預測為壞人的人佔比。

以FPR為x軸，TPR為y軸畫圖，就得到了ROC曲線。