LFW阅读笔记

        作为一个计算机视觉新入门的小白，第一次尝试写博客，试着记录一下学习状况，也为了自己以后方便查阅。

        LFW（labeled face in the wild），是人脸识别比较常用的数据集，包含了13,233张图片，5749人，其中1680有2张或以上的图片，剩下的4069人只有一张图片，图片的获取，是利用Viola-Jones face detector结合OpenCV从网络获取，并作了初步的处理，手动添加了人名，统一格式为250*250 jpg。附上官网：http://vis-www.cs.umass.edu/lfw/

        其构建目的是为了在不受限环境下的测试人脸识别算法提供方便，在Detection-Alignment-Recognition(DAR) pipline中，完成了Detection部分的工作。官方数据集提供了两种views，view 1：为了试验者用作model selection and algorithm development，分为了两个子集，一个用来训练，一个用来测试。view 2：for performance reporting，官方建议仅在最终reporting的时候使用，以防止算法过度拟合，人为增高准确率（这里不知道理解的准确不准确，如有错误，望指正）。在view 2 下，分为了10个子集，可以任选其中9个来用作训练，剩下的一个用来测试。每次试验，应该独立完成，产生10个对应的不同分类器。最终报告可以以ROC(Receiver Operating Characteristic)曲线和PR(Presicion-Recall)曲线呈现，官方要求至少要给出 准确率期望（estimated mean accuracy）和平均标准差（standard error of the mean），对应公式如下：

期望：，

平均标准差：其中，方差为

        官方给出了两种训练方式的原型：

        A： Image-Restricted Training

        在这种方式下，不使用名字（name）作为参考， 比如：（10，12）还有（42,50）这两对都是George_W_Bush，但是并不能直接把（10,42）作为已配对的图像直接加入训练集。但如果是（1,2），（2,3）匹配，则可以认为（1,3）也是匹配的。两种view都支持这种方式。参见pairsDevTrain.txt、pairsDevTest.txt以及 pairs.txt

        B： Unrestricted Training 。

        相比第一种方式，如果出现上述情况，则可以直接把（10，42），（10,50），（12,42），（12,50）都加入数据集中。参见peopleDevTrain.txt 、peopleDevTest.txt，但是训练集和测试集不可以混合使用。在view2数据集中，people.txt支持这种模式，但仅仅是用于生成训练集。

更多的细节，可以参考官网的tech report，如有出入，已官网为准。

————————————————2016年11月2日更新——————————————

理想情况下，应该有足够多的数据来保障训练、校正和测试完全独立完成，LFW数据集采用一定程度的数据复用，来扩大数据集数量，但为了不虚报或者人为提高准确率，官方有如下用法推荐：大致依照如下步骤进行

（1）算法改进或模型选择（algorithm development or model selection）

a）使用view1 训练并测试尽可能多的模型，并做参数调整；

b）保持测试表现最好的模型参数设置（model M*）；

（2）展示报告（performance reporting）

a）直接使用view2数据集；

b）循环i=1到10 （for i = 1 to 10）

 i）通过联合view2下 除了 i 子集的所有子集，形成试验 i 的训练集；

ii）将 model M* 的参数设置用于该训练集，生成分类器 i ；

        iii）使用子集 i 作为测试集；

iv）在测试集上记录分类器 i 的结果；

c）用10个分类器的结果计算期望准确率和平均标准差（ 参考上面给出的公式）；

d）最后，确定使用的是那种方式并报告（image-restricted or unrestricted）。