Typical Image retrieval systems eva

Typical Image retrieval systems evaluate the performance
using the average precision (AP) measure computed as the
area under the precision-recall curve for a query image. For
a set of test images, the mean Average Precision (mAP)
evaluates the overall performance.
We are interested in Precision at Rank-1, since the top retrieved
image is considered as the best match in the database
and acts as our annotation source. Hence, we choose to
evaluate the performance of our mobile app with a dierent
measure. We use the Precision at Rank-1 to say whether a
query image has been successfully annotated or not. We call
this as the Annotation Accuracy(AA).
In order to compute Annotation Accuracy for our Heritage
App, we collect test images of N buildings and structures using
mobile phone cameras at a particular site. This is our
test dataset. Annotation Accuracy is computed for each of
the N monuments and averaged to give the mean Annotation
Accuracy(mAA), which evaluates the performance of
our Heritage App for a specic site. Our methods of optimization
may not be applicable for a generic search.

ผลลัพธ์ (ไทย) 1:

ระบบดึงภาพโดยทั่วไปประเมินประสิทธิภาพการทำงานคำนวณโดยใช้การวัดความแม่นยำเฉลี่ย (AP) เป็นการพื้นที่ใต้เส้นโค้งความแม่นยำจำเป็นสำหรับรูปแบบสอบถาม สำหรับชุดของรูปภาพทดสอบ ความแม่นยำเฉลี่ยหมายถึง (แผนที่)ประเมินประสิทธิภาพโดยรวมเราสนใจในความแม่นยำที่อันดับ 1 ตั้งแต่ดึงด้านบนภาพถือว่าเป็นการจับคู่ที่ดีที่สุดในฐานข้อมูลและทำหน้าที่เป็นแหล่งข้อมูลกำกับของเรา ด้วยเหตุนี้ เราเลือกที่จะประเมินประสิทธิภาพของแอพบนมือถือของเราด้วยในระหว่างการผลิต diวัด เราใช้ความแม่นยำที่อันดับ 1 กล่าวว่าการภาพสอบถามได้รับเรียบร้อยแล้วประกอบ หรือไม่ เราเรียกนี้เป็น Accuracy(AA) คำอธิบายเพื่อคำนวณความถูกต้องของคำอธิบายมรดกของเราป เรารวบรวมรูปภาพทดสอบของ N อาคารและโครงสร้างที่ใช้กล้องโทรศัพท์มือถือที่เว็บเฉพาะ นี้เป็นของเราทดสอบชุดข้อมูล คำนวณความถูกต้องของคำอธิบายสำหรับแต่ละอนุสาวรีย์ N และเฉลี่ยให้ข้อมูลกำกับหมายถึงAccuracy(mAA) ซึ่งประเมินประสิทธิภาพของApp ของเรามรดกสำหรับไซต์ c speci วิธีการเพิ่มประสิทธิภาพของเราไม่สามารถใช้สำหรับการค้นหาทั่วไป

ผลลัพธ์ (ไทย) 2:

โดยทั่วไปภาพระบบประเมินประสิทธิภาพการดึง
ใช้ความแม่นยำเฉลี่ย (AP) วัดคำนวณเป็น
พื้นที่ใต้เส้นโค้งแม่นยำเรียกคืนภาพแบบสอบถาม สำหรับ
ชุดของภาพการทดสอบค่าเฉลี่ยเฉลี่ยแม่นยำสูง (MAP)
ประเมินประสิทธิภาพโดยรวม.
เรามีความสนใจในความแม่นยำในอันดับที่ 1 ตั้งแต่ด้านบนดึง
ภาพถือเป็นคู่ที่ดีที่สุดในฐานข้อมูล
และทำหน้าที่เป็นแหล่งที่มาของคำอธิบายประกอบของเรา ดังนั้นเราจึงเลือกที่จะ
ประเมินผลการทำงานของ app มือถือของเราด้วยดิ? ต่างกัน
วัด เราใช้ความแม่นยำในอันดับที่ 1 จะบอกว่าไม่ว่าจะเป็น
ภาพที่ได้รับแบบสอบถามข้อเขียนประสบความสำเร็จหรือไม่ เราขอเรียกร้อง
นี้เป็นความถูกต้องหมายเหตุ (AA).
เพื่อที่จะคำนวณความแม่นยำหมายเหตุสำหรับมรดกของเรา
App เราจะเก็บภาพการทดสอบของอาคาร N และโครงสร้างโดยใช้
กล้องโทรศัพท์มือถือในเว็บไซต์โดยเฉพาะ นี้เป็นของเรา
ชุดทดสอบ หมายเหตุความแม่นยำในการคำนวณสำหรับแต่ละ
อนุสาวรีย์ N และเฉลี่ยที่จะให้ความหมายคำอธิบายประกอบ
ความถูกต้อง (MAA) ซึ่งประเมินการปฏิบัติงานของ
App มรดกของเราสำหรับ C เว็บไซต์ speci วิธีการของเราในการเพิ่มประสิทธิภาพ
อาจไม่สามารถใช้สำหรับการค้นหาทั่วไป

ผลลัพธ์ (ไทย) 3:

ระบบการค้นคืนภาพทั่วไป ประเมินผลการปฏิบัติงานโดยใช้ค่าเฉลี่ยความแม่นยำ ( AP ) วัดคำนวณเป็นพื้นที่ใต้เส้นโค้งสำหรับแบบสอบถามที่ต้องการเรียกคืนภาพ สำหรับชุดของภาพการทดสอบค่าเฉลี่ยความแม่นยำ ( แผนที่ )ประเมินประสิทธิภาพโดยรวมเราสนใจในความถูกต้องที่ rank-1 ตั้งแต่ด้านบนดึงข้อมูลภาพที่ถือว่าเป็นคู่ที่ดีที่สุดในฐานข้อมูลและทำหน้าที่เป็นแหล่งบันทึกย่อของเรา ดังนั้น เราเลือกที่จะประเมินผลการปฏิบัติงานของ app มือถือของเราด้วย dierentวัด เราใช้ความแม่นยำที่ rank-1 กล่าวว่าค้นหาภาพได้บันทึกย่อหรือไม่ เราเรียกว่านี้เป็นบันทึกย่อความถูกต้อง ( AA )เพื่อคำนวณการจัดการความถูกต้องสำหรับมรดกของเราapp ที่เราเก็บรูปภาพของอาคารและโครงสร้างที่ใช้ทดสอบโทรศัพท์มือถือกล้องที่เว็บไซต์โดยเฉพาะ นี้คือของเราชุดข้อมูลทดสอบ . หมายเหตุ ความถูกต้องจะคำนวณสำหรับแต่ละของN อนุสาวรีย์และเฉลี่ยให้หมายถึงบันทึกย่อความถูกต้อง ( MAA ) ซึ่งประเมินประสิทธิภาพของapp มรดกของเราสำหรับเว็บไซต์ specic . วิธีการเพิ่มประสิทธิภาพของเราอาจไม่สามารถใช้ได้สำหรับการค้นหาทั่วไป