NIST 人脸识别竞赛 FRVT（Face Recognition Vendor Test）

最新推荐文章于 2024-04-04 09:43:16 发布

点亮～黑夜

最新推荐文章于 2024-04-04 09:43:16 发布

阅读量2.8k

点赞数 2

分类专栏：人脸检测与人脸识别文章标签：深度学习计算机视觉人工智能

版权归个人所有，转载请告知，否则追求法律责任

本文链接：https://blog.csdn.net/weixin_41010198/article/details/121351496

版权

人脸检测与人脸识别专栏收录该内容

4 篇文章 10 订阅

订阅专栏

1FRVT（人脸识别供应商测试）

1.1 FTVT官网

1、FRVT官网

FRVT：https://www.nist.gov/programs-projects/face-recognition-vendor-test-frvt
FRVT：https://www.nist.gov/programs-projects/face-recognition-vendor-test-frvt-ongoing # 主要看这个吧，持续维护

在这里插入图片描述

如下，点击FRVT 1:N部分的Learn More可以查看具体的参赛排名等信息，如下第一名就是商汤算法sensetime_006
在这里插入图片描述

在Latest Report中可以查看到最新的测试报告！

1.2 FRVT相关内容介绍

2、FRVT比赛内容介绍（参考）

FRVT比赛是由美国国家标准委员会（NIST）举办，面向全球人脸算法供应商，接受算法提交，进行保密测试后在NIST官网上发布成绩和排名，每三个月举办一轮并刷新榜单。比赛分为四个大项，分别为：

FRVT 1:1（识别）
FRVT 1:N（识别+检索）
FRVT Morph（伪造识别）
FRVT Quality（质量评估）。

最受广泛关注的就是 1:1 和 1:N 两项比赛，国内许多人脸别团队都有参加，包括商汤、旷视、依图、海康、大华等

其中 1:1 人脸识别算法的要求是：

给定一张包含单人脸的彩色自然图像，要求计算得到图像中人脸的双眼，鼻尖和两嘴角的五个关键点坐标，并将人脸抽象成数值表达（称为「人脸模板」，也就是通常所说的人脸特征，或Feature）；
对任两个人脸特征进行比较，给出相似度得分。

1:N 人脸识别和检索算法的要求是：

给定多张包含同一个人（ID）的单人脸的彩色自然图像，要求计算得到各图像中人脸的双眼，鼻尖和两嘴角的五个关键点坐标，并提取出这个人的人脸特征；
将一组特征建立为可查询的数据库；
给定一个人脸特征和K，在数据库中查询出最相似的Top-K，并给出相似度得分。

FRVT测试（人脸识别测试）分为四个子任务，每个任务对应来自不同场景的不同类型照片样本，分别为:

签证照片（Visa）
嫌疑人照片（Mugshot）
非约束自然环境人脸照片（Wild）：自然场景下，不像证件照，其光照、姿态、遮挡等多变的人脸类型
非约束环境下儿童照片（Child ）

其中Visa、MugShot、Wild样例如下图（参考）：

在这里插入图片描述

由于FRVT测试不限定训练集，且多个任务的测试数据主要来自于欧美人种，所以包括格灵深瞳在内的国内厂商在训练数据上相对欧美厂商存在一定劣势；同时，由于测试集不对外公开，采取盲测的方式，相对LFW等测试集公开的比赛，FRVT测试更具有公平性，也更能测试出人脸识别算法的精确度、适用性和通用性。

1.3 主要评价指标

1、FRVT主要评价指标（参考）

评价指标：FNMR(false non-match rate)和FMR(false match rate)。FNMR和FMR在FRVT报告中有严格公式说明，在这里用通俗易懂的语言再解释一下：

FNMR（拒识率（FRR），就是把应该相互匹配成功人脸当成不匹配的人脸）
FMR（误识率（FAR），就是把不应该匹配成功人脸当成匹配成功人脸）。

是不是很绕口？这是因为人脸识别分为类内比对（同一个人不同照片）和类间比对（不同人的照片）。

在实际系统中，拒绝识别（FNMR）和错误识别（FMR）代价往往不太一样，比如金融领域的人脸识别，误识会是一个很严重的事故（想像一下，如果ATM依靠刷脸取款，无需其他信息验证，如果有人和你长的非常像，则很有可能会进入你的账户取款），相比之下，拒识结果相对可以接受（还是ATM刷脸取款，如果完全依靠刷脸取款，本人去ATM机刷脸，ATM无法正确识别你的身份，这时候你无法进入自己的账户，但是你的存款相对还是安全的，如果是紧急情况，甚至可以去银行柜台取款）。所以当给出一定的测试集时候，如果只统计识别率，并不能全面反映一个算法性能。通常反映算法性能可以调节算法阈值，得到不同拒识率和误识率，然后画出拒识和误识相关曲线（即ROC曲线）。FRVT测评同样也是用的这种方式，在测试集上画出了不同算法的ROC曲线。

2、如下是商汤在1v1在visa场景下的测试对比
在这里插入图片描述

1.4 FRVT参赛说明

参考：https://zhuanlan.zhihu.com/p/101683776
参考：https://zhuanlan.zhihu.com/p/434715508

2 准备参赛过程

…

参考：https://zhuanlan.zhihu.com/p/42492955
参考：知乎搜索下，有很多关于FRVT的介绍
参考：https://zhuanlan.zhihu.com/p/72997879
参考：https://cloud.tencent.com/developer/article/1576622