本博記錄為鹵煮學(xué)習(xí)過程中的理解，作為備忘demo。其中有錯(cuò)誤疏漏之處，還請(qǐng)大家?guī)兔χ刚?/p>

鹵煮：非文藝小燕兒

本博地址：利用LFW對(duì)人臉識(shí)別模型進(jìn)行精度評(píng)測(cè)

通過caffe進(jìn)行人臉識(shí)別網(wǎng)絡(luò)訓(xùn)練后，得到caffemodel。通常大家在LFW人臉數(shù)據(jù)集上對(duì)該模型進(jìn)行精度驗(yàn)證。以下梳理驗(yàn)證過程：

（1）??????在原始LFW數(shù)據(jù)集中，截取人臉圖像并保存。（例如：可以使用開源人臉檢測(cè)對(duì)齊seetaface將人臉crop出來(lái)，并保存，建議以原圖像名稱加一個(gè)后綴命名人臉圖像）

（2）??????通過python，matlab，或者C++，構(gòu)建訓(xùn)練時(shí)的網(wǎng)絡(luò)結(jié)構(gòu)并加載caffemodel。

（3）??????將截取的人臉?biāo)腿刖W(wǎng)絡(luò)，每個(gè)人臉都可以得到網(wǎng)絡(luò)前向運(yùn)算的最終結(jié)果，一般為一個(gè)N維向量，并保存，建議以原圖像名稱加一個(gè)后綴命名。

（4）??????LFW提供了6000對(duì)人臉驗(yàn)證txt文件，lfw_pairs.txt,其中第1個(gè)300人是同一個(gè)人的兩幅人臉圖像；第2個(gè)300人是兩個(gè)不同人的人臉圖像。按照該list，在（3）保存的數(shù)據(jù)中，找到對(duì)比人臉對(duì)應(yīng)的N維特征向量。

（5）??????通過cosine距離/歐式距離計(jì)算兩張人臉的相似度。同臉和異臉分別保存到各自對(duì)應(yīng)的得分向量中。

（6） 同臉得分向量按照從小到大排序，異臉向量按照從大到小排序。

（7）? FAR（錯(cuò)誤接受率）從0~1，按照萬(wàn)分之一的單位，利用排序后的向量，求FRR（錯(cuò)誤拒絕率）或者TPR（ture positive ratio）。

（8） 根據(jù)7可繪制ROC曲線。

閾值確定

（1）??????將測(cè)試人臉對(duì)分為10組，用來(lái)確定閾值并驗(yàn)證精讀。

（2）??????自己擬定一個(gè)人臉識(shí)別相似度閾值范圍，在這個(gè)范圍內(nèi)逐個(gè)確認(rèn)在某一閾值下，選取其中1組數(shù)據(jù)統(tǒng)計(jì)同臉判斷錯(cuò)誤和異臉判定錯(cuò)誤的個(gè)數(shù)。

（3）??????選擇錯(cuò)誤個(gè)數(shù)最少的那個(gè)閾值，用剩余9組，判斷識(shí)別精度。

（4）??????步驟（2）和（3）執(zhí)行10次，將每次（3）獲取的精度進(jìn)行累加并求平均，得到最終判定精度。

其中也可以用下述方式替換

自己擬定一個(gè)人臉識(shí)別相似度閾值范圍，在這個(gè)范圍內(nèi)逐個(gè)確認(rèn)在某一閾值下，針對(duì)所有人臉對(duì)統(tǒng)計(jì)同臉判斷錯(cuò)誤和異臉判定錯(cuò)誤的個(gè)數(shù)，從而計(jì)算得出判定精度。

總結(jié)

以上是生活随笔為你收集整理的利用LFW对人脸识别模型进行精度评测的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。