[图像检索]Recall@K
关于图像检索任务的Recall@K计算，存在多种解释，汇总一下
问题
经常在论文中发现使用Recall@K作为评估指标，可以查看
按照之前学习的关于信息检索的评估指标：[图像检索]准确率、查准率/精确度、查全率/召回率、AP/mAP。Recall的计算应该是查询图像对应标签在检索标签列表的前topK位中出现的次数与真值标签列表个数的比例。从这个角度来看，Recall@1的计算应该是有上限的，因为真值标签列表的个数是固定的。
不过从具体论文上来看，Recall@1的结果越来越大，不符合上述定义？
解析
查询了一些文章，发现度量学习（metric learning）任务中Recall的计算与信息检索（information retrieval）任务中关于Recall的定义并不相同：
Recall(metric learning)：前topK位检索标签列表中是否出现了真值标签，是就是1, 否则就是0；Recall(information retrieval)：查询图像对应标签在检索标签列表的前topK位中出现的次数与真值标签列表个数的比例。
基于上述的定义，可以发现度量学习任务中的Recall计算更类似于目标分类任务中的准确率计算，这也就解释了上述这些数据集任务为什么可以使用Recall@1作为评估指标。