物体识别的性能评估方法
判定物体识别的性能通常采用PR曲线。其中P（Precision）指精度（准确率），一般为y轴；R（Recall）指识别率（召回率），一般为x轴。
P=（识别正确的结果）/（所有识别结果）；R=（识别正确的结果）/（实际上正确的结果）。识别结果的类型如下：
一个好的识别方法应该同时具备高的准确率与高的召回率。准确率等于0.5是一个界限，当精度低于0.5时，说明该方法的效率己经低于随机猜测的结果，（因为随机猜测的准确率为0.5）。除了PR曲线，也有文献使用其它曲线来度量识别结果，如ROC曲线或FPPW等。
物体识别的困难与前景
虽然物体识别已经被广泛研究了很多年，研究出大量的技术和算法，物体识别方法的健壮性、正确性、效率以及范围得到了很大的提升，物体识别设备，但是现在依然存在一些困难以及识别障碍。这些困难主要有：
获取数据问题：
在不同的视角对同一物体也会得到不同的图像，物体所处的场景的背景以及物体会被遮挡，物体识别系统，背景杂物一直是影响物体识别性能的重要因素，物体识别，场景中的诸多因素，如光源、表面颜色、摄像机等也会影响到图像的像素灰度，要确定各种因素对像素灰度的作用大小是很困难的，这些使得图像本身在很多时候并不能提供足够的信息来***景物。
物体识别的主要方法
基于物体部件的识别
前述BoW的一个主要缺陷就是没有对特征之间的关系进行建模，物体识别方案，因此无法刻画各个特征在空旬中的顺序关系。基于物体部件方法的出发点正是要解决这个问题。在这里物体部件的定义并不一定是指高层语义上的物体部件例（如眼睛、鼻子之于人脸），也可以是一些底层的图像特征，例如图像或者点特征。
物体识别方案-物体识别-北京华奕互动科技(查看)由北京华奕互动科技有限公司提供。北京华奕互动科技有限公司拥有很好的服务与产品，不断地受到新老用户及业内人士的肯定和信任。我们公司是商盟认证会员，点击页面的商盟***图标，可以直接与我们***人员对话，愿我们今后的合作愉快！