人脸识别评价指标： TAR@FAR

以下解释大白话居多，公式较少，主要是为了理解原理，有不对的地方可以在评论区里讨论。

假设检索库1000张人脸，底库10000张人脸，top1正确的人脸有900张，错误的人脸有100张。

1. 先说一下我之前的统计人脸识别率的方式

        输出一个top1的准确率为900/1000=90.00%。

2. 以上计算方式的问题

        因为实际项目上需要一个阈值，而如步骤1的实验是给不出阈值的，而阈值T的给定又决定着在实际项目使用时候的识别率（通过率）和误识率。

3. 解释一下TAR@FAR这个概念

        先看下面这个表格：        

误识率 (FAR)	识别率 (TRA)	阈值 (thres)
1.00%	91.12%	76.90%
0.10%	86.50%	82.95%
0.01%	76.65%	86.95%

        FAR: 错误接受的比例

        TAR: 正确接受的比例

        计算方式：根据FAR确定thres，再根据thres计算TAR

4. 计算TAR@FAR0.01

        即在误识率1.00%的情况下，识别率的大小。

        1）首先对以上top1错误的100张人脸相似度进行一个排序，例如相似度分布为1%、2%、......、99%、100%。那么要保证1.00%的误识别率，可以设置阈值thres为99.5%，这样100张top1错误的人脸中只有1张人脸大于该阈值，并发生误报。

        2）上一步已经确定下来了阈值thres，现在拿该阈值对top1正确的900个人脸进行筛选，假设这900个人脸中，有800个人脸的top1的相似度大于99.5%的阈值，那么识别率（或通过率（或TAR））则为800/900=88.89%。

5. FAR越小，即要求误报率越低，那么对于的阈值就会越高，则识别率（或通过率）就会越低。