人脸识别模型评价指标：完整梳理

文章目录

• 1. 人脸识别模式
• 2. 二分类常用指标
• 2.1 四个基础指标
• 2.2 全项指标
• 2.3 行指标
• 2.4 列指标
• 2.5 综合指标
• 2.6 指标曲线
• 3. 人脸识别指标

1. 人脸识别模式

首先，我们得弄清楚人脸识任务的常见两种模式：

• face verification （人脸验证）
• face identification （人脸识别）
  具体可以参考：
  而下面的指标，指的是第一种模式，也就是现在普遍应用在门禁、打卡等场景的人脸验证。

2. 二分类常用指标

人脸识别的指标离不开标准的二分类指标，其混淆矩阵如下所示:

2.1 四个基础指标

• TP
• FP
• FN
• TN

这四个基础指标的线性组合可以得到其它所有指标。

2.2 全项指标

• 准确率(accuracy) ：ACC= (TP+TN)/(TP+FN+FP+TN)
• 错误率(error rate)：ERR = (FP+FN)/(TP+FN+FP+TN)

ACC + ERR = 1

这两项指标很简单，用的也不多。

2.3 行指标

• TP/(TP + FN) = TPR = 召回率(Recall) = 查全率 = TAR
• FP/(FP + TN) = FPR = 误识率 = FAR

以上两个指标最为常用,除此之外的另外两个行指标：

• FN/(TP+FN) = 1-TPR = 漏检率 = FRR，即TPR的互补指标
• TN/(FP+TN ) =1-FPR = TRR，即FPR的互补指标

2.4 列指标

常见的列指标只有一个：

• TP/(TP+FP) = PRE(precision)、查准率

2.5 综合指标

行列综合指标：

• F1-score

  1/F1=1/2*(1/PRE+1/REC)

  F1 = 2PREREC/(PRE+REC)

2.6 指标曲线

• PR曲线
• ROC曲线
• DET曲线
• K-S曲线

3. 人脸识别指标

人脸识别常用的算法评价指标：

• FAR（false acceptance rate）误识率
• FRR（false rejection rate）拒识率
• ROC曲线

我们发现：FAR和FRR，它们代表的就是两种错误，也就是混淆矩阵中我标红的部分。
如何理解和区分这两种错误？：

误识率（FAR）= $\frac{本该匹配失败却被判为匹配成功的次数}{类间总的匹配失败次数}$类间总的匹配失败次数本该匹配失败却被判为匹配成功的次数​

拒识率（FRR）= $\frac{本该匹配成功却被判为匹配失败的次数}{类内总的匹配成功次数}$类内总的匹配成功次数本该匹配成功却被判为匹配失败的次数​

或者更具体的来说：

误识率（FAR） = $\frac{非同人比较分数>阈值T的次数}{非同人比较的次数}$非同人比较的次数非同人比较分数>阈值T的次数​

拒识率（FRR）= $\frac{同人比较分数<阈值T的次数}{同人比较的次数}$同人比较的次数同人比较分数<阈值T的次数​

参考：

1. 一文说透机器学习的主流评价指标
2. 如何理解误识率（FAR）拒识率（FRR），TPR,FPR以及ROC曲线
3. 人脸识别算法评价指标——TAR，FAR，FRR，ERR
4. 图像识别中的FAR，FRR，ERR总结
5. 如何理解误识率（FAR）拒识率（FRR），TPR,FPR以及ROC曲线