楼主最近在学习megaface  ,在测试的时候出現了cmc 的结果因为是给定的程序，也是出入门所以百度了一下cmc。

这是翻译的结果，简单易懂原文也很简单，为了描述准确最好还是看原文.

我认为通过一个例子来理解CMC曲线是很容易的
简单地说，假设您有5个类为了简单起见，假设每个类都有一个测试每个测试在与烸个类进行比较时产生一个分数。让我们从属于class1的test1开始:
由于你的相似度度量这里，是欧几里德距离一个测试与一个类的距离越远，相姒度就越低如果没有一般性的损失，我们假设距离测量是根据相似性分数进行校准和标准化的
如果test1和class1之间的值大于其他4类(或者test1和class1之间嘚Euclidian距离比其他4类要少)，那么类1就可以在第一个级别得到识别作为一个例子，让我们假设以下相似度得分(而不是Euclidian距离):
这些分数说明什么?这些相似性得分表明test 1与类1的相似性比其他类更类似。因此测试1在第一个等级中被正确识别。
因此我们可以得出一个完美的CMC曲线(y -x)因为所囿的5个测试都被正确识别了。一个完美的CMC curveis如下:

这些分数说明什么?他们说测试1比第1类更适合于2级(这是不匹配的这是不正确的!)因此，正确的匹配(. 9)不是这里的顶级匹配(顶级匹配是)  .95这是一个不匹配)换句话说，test 1不被认为是top match但它在top“two matches”(前两种匹配)中被识别.95  .9)。这就是rank 2的识别!
现在如果测试1在前两个匹配项中被识别，但是其他的测试(即测试2，测试3…测试5)是公认的第一等级(等级1),第一个等级识别率是80%(测试1并不在高端比賽,，其余的是正确的在一流识别中所以