40、人脸识别系统评估全解析

人脸识别系统评估全解析

1. 验证系统的错误成本

在人脸识别验证系统中，错误成本可以用以下公式表示：
[DCF(T ) = (1 - P) CFNM FNMR(T ) + P CFMFMR(T )]
其中，比例 (P) 代表冒名者比较的比例，(C_x) 量化了错误非匹配和错误匹配的成本。不过，这两种错误的先验概率和成本几乎从未相等过。虽然这些指标定义明确、易于计算且相当常见，但它们会使研究偏离对人脸识别市场应用最有用的低误匹配率（FMR）区域。因此，建议引用在某些低 FMR 下的误不匹配率（FNMR），例如 (FMR \leq 0.001)。

2. 人脸识别中的身份识别

身份识别是人脸识别市场中最大的细分领域，标准化合作肖像图像的身份识别和重复检测是最大的应用场景。身份识别是指用一个探测模板在一组 (N) 个已注册模板中进行搜索，以返回匹配项（如果有的话）。许多身份识别算法将 1:N 搜索实现为 (N) 次 1:1 比较，然后进行排序操作。操作模式主要有两种：
- 返回相似度高于某个阈值的所有条目。
- 返回固定数量的最相似条目，本质上是 k 近邻搜索。

这些任务不一定需要对所有 (N) 个注册项进行详尽搜索，因此在评估时不应规定或限制底层实现，例如要求算法返回所有 (N) 个比较分数。

2.1 封闭宇宙与开放宇宙身份识别

• 封闭宇宙身份识别 ：在一对多身份识别中，未知图像会在包含 (N) 个人的图库中进行搜索，目标是确定查询对象的身份。在封闭宇宙中，每个查询对象都已知在图库中有匹配项。但这种应用很少见，封闭宇宙测试通常报告