图像精度指标答案

【问题标题】：Image accuracy metric图像精度指标
【发布时间】：2016-06-16 16:09:51
【问题描述】：

我可以使用什么有效且正确的度量来比较两个矩阵形式的图像？我已经建立了一个机器学习模型，它可以预测一张图像，并希望使用一个数字来查看它与目标的距离，以便于比较。

【问题讨论】：

【解决方案1】：

您可以使用许多不同的方法。我猜最受欢迎的是：

您还可以从这里研究这些和其他指标（它们的主要优点和缺点）：图像配准 - 原理、工具和方法/作者：Goshtasby, A. Ardeshir

DOI：10.1007/978-1-4471-2458-0

希望对你有帮助。

【讨论】：

哪一个最适合与人脸相关的图像？
很难说。在机器学习中“没有免费的午餐”。这取决于您要处理的面部图像类型。您使用的是哪种型号？这些人脸图像有光照问题？遮挡？模糊？不同的姿势？你需要考虑的事情太多了。我的建议是，如果您是从头开始构建模型，请先进行一些研究。如果您只是想要一种可靠的人脸识别方式，请尝试使用 Oxford Face API。
你知道这些方法是否适用于torch吗？我搜索但找不到任何实现。
余弦相似度度量（Cosine Similarity Measure）是我忘记提及但也很常用的一个指标。我对 Torch 不是很熟悉，但我很确定他们有这个功能供你使用。

【解决方案2】：

除了Victor Oliveira Antonino 的出色开端之外，我建议从 Pearson's 或 Cosine 开始。秩系数并不特别适用于这个空间；欧几里得距离和弦距离的属性不能代表我们人类对图像相似性的解释。

每个指标都有优点和缺点。当您进入一个不容易映射到物理距离的应用程序时，欧几里德距离不太可能是最佳选择。

【讨论】：