人脸识别和人脸检测识别是美颜api中的技术支撑之一,在理想状态下,人脸识别准确率越高越好,但实际情况中,经常会受到逆光、暗光、强光、识别角度等诸多实际因素的影响,因此,脱离使用场景单独考量算法的识别准确率参考价值不大。
那么,该如何科学评判美颜api人脸识别和人脸检测的准确度?
一、人脸识别关键指标
多数情况下,以基于FAR(错误接受率,又称误识率,即把某人误识为其他人的概率)和FRR(错误拒绝率,即本人注册在底库中,但比对相似度达到不预定的值)的DET曲线作为判断参考。
1、错误拒绝率(FAR)
相似度值范围内等分为若干档,得到若干个不同的阈值S,计算不同阈值S的FRR如下:FRR(S)= 同人比对相似度中低于阈值S的数量 / 同一人比对总数 X 100%
2、错误接受率(FRR)
相似度值范围内等分为若干档,得到若干个不同的阈值S,计算不同阈值S的FAR如下:FAR(S)= 非同人比对相似度中不低于阈值S的数量 / 非同人比对总数 X 100%。
理想状况下,FAR和FRR都越低越好,但两个指标是一个跷跷板,一个指标的降低通常意味着另一个指标会升高,所以需要实现两者间的平衡。一般认为在FAR达到市场正常水准时,FRR越低,该人脸识别算法算法性能就越好。
二、人脸检测关键指标
评价一款人脸检测算法,也有检测率、误报率、FPS、IOU四个指标:
检测率=检测出的人脸数 / 图像中所有人脸数
误报率=误报个数 / 图像中所有非人脸扫描窗口数
FPS,即帧率,体现人脸检测速度及性能。
IOU,即检测出来的人脸框A和实际的人脸框B的重合率。
一般情况下,检测率越高越好,误报率越低越完美,但这两者需要一个最优的平衡。
以上就是美颜api中人脸识别和人脸检测的准确度评价参数。
如果觉得《如何评价美颜api中人脸识别和人脸检测的准确度?》对你有帮助,请点赞、收藏,并留下你的观点哦!