人脸识别模型评价指标：完整梳理

1. 人脸识别模式

首先，我们得弄清楚人脸识任务的常见两种模式：

• 1:1模式——face verification （人脸验证）

  Verification is the process of asking “are you who you say you are?”

  face verification （1:1）的意思是，用户声明自己的身份可以被设备或系统识别，设备或系统去验证这个说法是真是假。简单来说，就是比较两张照片（底库数量为1），判断是不是同一个人。

• 1:N模式——face identification （人脸识别）

  identification is asking “who are you”

  face identification （1:N）的意思是把一个人同数据库里的其他可能的身份进行比对，目的是匹配和发现这个人的身份。实际上，可理解为底库数量为N的1:1，需要回答N次“are you who you say you are?”

具体可以参考：
1、Identification vs Verification: What’s the Difference?

2、人脸识别工作流程

更全面的人脸识别综述可以参考：
人脸识别长篇研究
人脸识别长篇研究2

2. 二分类常用指标

需要注意下图是标准的混淆矩阵，是以样本的正负来划分，

2.1 四个基础指标

• TP
• FP
• FN
• TN
  这四个基础指标的线性组合可以得到其它所有指标。

2.2 全项指标

• 准确率(accuracy) ：$Acc=\frac{TP+TN}{TP+FN+FP+TN}$
• 错误率(error rate)：$Err=TP+FN+FP+T$