利用LFW对人脸识别模型进行精度评测

本博记录为卤煮学习过程中的理解，作为备忘demo。其中有错误疏漏之处，还请大家帮忙指正。

卤煮：非文艺小燕儿

本博地址：利用LFW对人脸识别模型进行精度评测

通过caffe进行人脸识别网络训练后，得到caffemodel。通常大家在LFW人脸数据集上对该模型进行精度验证。以下梳理验证过程：

（1）      在原始LFW数据集中，截取人脸图像并保存。（例如：可以使用开源人脸检测对齐seetaface将人脸crop出来，并保存，建议以原图像名称加一个后缀命名人脸图像）

（2）      通过python，matlab，或者C++，构建训练时的网络结构并加载caffemodel。

（3）      将截取的人脸送入网络，每个人脸都可以得到网络前向运算的最终结果，一般为一个N维向量，并保存，建议以原图像名称加一个后缀命名。

（4）      LFW提供了6000对人脸验证txt文件，lfw_pairs.txt,其中第1个300人是同一个人的两幅人脸图像；第2个300人是两个不同人的人脸图像。按照该list，在（3）保存的数据中，找到对比人脸对应的N维特征向量。

（5）      通过cosine距离/欧式距离计算两张人脸的相似度。同脸和异脸分别保存到各自对应的得分向量中。

（6） 同脸得分向量按照从小到大排序，异脸向量按照从大到小排序。

（7）  FAR（错误接受率）从0~1，按照万分之一的单位，利用排序后的向量，求FRR（错误拒绝率）或者TPR（ture positive ratio）。

（8） 根据7可绘制ROC曲线。

阈值确定

（1）      将测试人脸对分为10组，用来确定阈值并验证精读。

（2）      自己拟定一个人脸识别相似度阈值范围，在这个范围内逐个确认在某一阈值下，选取其中1组数据统计同脸判断错误和异脸判定错误的个数。

（3）      选择错误个数最少的那个阈值，用剩余9组，判断识别精度。

（4）      步骤（2）和（3）执行10次，将每次（3）获取的精度进行累加并求平均，得到最终判定精度。

其中也可以用下述方式替换

自己拟定一个人脸识别相似度阈值范围，在这个范围内逐个确认在某一阈值下，针对所有人脸对统计同脸判断错误和异脸判定错误的个数，从而计算得出判定精度。