一、指标相关概念
相似度:两张人脸图像的相似程度,一般为百分比
阈值:人为设定的值,两张人脸图像的相似度值高于这个阈值,就认为是同一个人,低于阈值则认为不是同一个人。
误识:(FA, false accept), 不是小明,却把这个人认成了小明(混淆矩阵中的FP)
拒识:(FR, false reject),是小明,但没认出是小明(混淆矩阵中的FN)
二、计算方法
混淆矩阵:
误识率(FAR) = FP / (FP + TN)
拒识率(FRR) = FN / (TP + FN)
通过率 = 1 - 拒识率
三、举例说明
假设:人脸库中有100个人,现设定识别阈值为0.8,小明前来进行人脸识别(库中有他),计算过程如下:
1. 小明 vs 人1,得到相似度=0.76, 小于0.8,认为不是小明。(真实 不是,TN += 1)
2. 小明 vs 人2, 得到相似度=0.82, 大于0.8.,认为是小明。(真实 是,TP += 1)
3. 小明 vs 人3, 得到相似度=0.74, 小于0.8,认为不是小明。(真实 是,FP += 1)
4. 小明 vs 人4, 得到相似度=0.83, 大于0.8,认为是小明。(真实 不是,FN += 1)
5. 小明 vs 人5, 得到相似度........ 直到比完所有人
6. 计算通过率和误识率
7. 计算f1score
四、经验总结
1. 阈值设定是识别结果好坏的关键。阈值下降,误识率和通过率都会升高;阈值上升,误识率和通过率都会下降。根据任务的不同决定是要效率还是要精度。如果想要保证精度,误识率需要低于一定水平,就将阈值提高,如果想要通过的效率,需要保证通过率高于一定水平,就将阈值降低。