如何计算人脸识别系统的准确率？答案

【问题标题】：How to calculate accuracy for facial recognition system?如何计算人脸识别系统的准确率？
【发布时间】：2021-02-20 08:37:05
【问题描述】：

我是生物特征评估的新手，我希望绘制 ROC 曲线、CMC 曲线和 Genuine Vs Imposter Distribution。我根据https://www.pyimagesearch.com/2018/06/18/face-recognition-with-opencv-python-and-deep-learning/ 在我的数据集上训练了模型。如果我给出一个测试图像，它工作正常。但是，对于整个测试数据集，我不知道如何根据这种方法获得真实和冒名顶替的分数。

【问题讨论】：

正确识别的总和除以正确和错误识别的总和

标签： python opencv deep-learning biometrics

【解决方案1】：

所有最先进的模型（例如 VGG-Face、FaceNet 或 DeepFace）都在 LFW（Labeled Faces in the Wild）数据集上进行了测试。幸运的是，Scikit learn 将此数据集作为开箱即用的功能提供。

from sklearn.datasets import fetch_lfw_pairs
fetch_lfw_pairs = fetch_lfw_pairs(subset = 'test', color = True, resize = 1)
pairs = fetch_lfw_pairs.pairs
labels = fetch_lfw_pairs.target

现在，您应该使用您的模型测试每一对。

predictions = []
for i in range(0, pairs.shape[0]):
   pair = pairs[i]
   img1 = pair[0]
   img2 = pair[1]
   prediction = verify(img1, img2) #this should return 1 for same person, 0 for different persons.
   predictions.append(prediction)

然后，您应该比较预测和标签。

from sklearn.metrics import accuracy_score
score = accuracy_score(labels, predictions)

此外，您还可以计算一些其他指标

from sklearn.metrics import precision_score, recall_score, f1_score
    
precision = precision_score(actuals, predictions)
recall = recall_score(actuals, predictions)
f1 = f1_score(actuals, predictions)

【讨论】：

{AttributeError}'numpy.ndarray' 对象没有属性'target'。至少从 0.24.0
lfw_pairs_test.target 将改为工作。