本文主要是介绍Gallery Set与Probe set，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
0 前言
在 Face Recognition 数据集一般会经常看到这三个数据集 Training set 、Gallery set and Probe set。第一次看到的时候也是晕晕的懵懵的，然后自己查阅了一些资料以后也是没有明白啊 后来老师给解释了一下是什么意思。在这里就算是给自己Mark一下。
1 解释
我自己大体画了一下这个意思
在FaceRecognition中一般的是训练集与测试集是不相交的，即为交集为空，训练集只是负责参数他的调整 得到相应的模型以后，Gallery set也称之为查询集 也就是将Gallery set 中的数据放到模型里面输出相应的特征，然后Probe set的数据也放在model中得到相应的特征，将两个特征做认证对比，如果认证成功则输出相应的结果如果认证不成功则输出对应的结果。；
2 与分类模型训练的区别
在分类模型中我们将一部分待分类的数据与其他的数据组成训练集一起训练然后在做分类预测。但是人脸识别中预测数据是不能够与训练集有相交的，所以才有了一个Gallery set
3 其他人的解释
我搜集的资料中大部分都是这么解释的 所以我贴上来 供了解一下；
经常会看到Gallery 和probe两个字眼。 可以粗略的理解，gallery 为训练集，probe为测试集其中gallery 集和probe 集供测试时使用。“在FERET 评估协议中，算法设计者需要区分三个不同的集合：训练集，参考图像集（或者原型图像集，gallery set）、测试图像集合（Probe set），其中gallery 集和probe 集供测试时使用。“训练必须在测试开始之前完成”暗示训练是离线完成的，算法不能根据Gallery 集来调整系统参数。
如他的CVPR 2012论文，用PCA+NN。人脸识别是一个开集问题，人脸验证verification是一个闭集问题。训练样本可能是甲乙，测试样本可能是丙丁。通过训练样本来学习PCA的投影向量W，降到多少维可以搜索，他的CVPR 2012论文PCA是保存98%能量,LDA是降到c-1维。和Ran He已讨论清楚搜索维数的方法：如果降到10维，取W的前10列分别乘以gallery和Probe，再用最近邻分类；类似降到20维，取W的前20列分别乘以gallery和Probe，再用最近邻分类。gallery相当于新的训练集，在Probe上测试。ACCV 2012 tutorial Structured Sparsity via Half-quadratic Minimization的S1-SR的第八页。在The CAS-PEAL large-scale Chinese face database and baseline evaluations (TSMCA 2008)P155也有Training set、 gallery set、Probe set定义
后面这两段来自于http://www.cppblog.com/guijie/archive/2008/09/16/61952.html 中
这篇关于Gallery Set与Probe set的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
