?

LFW概述

1. 人臉檢測測試數(shù)據(jù)庫：

fddb：http://vis-www.cs.umass.edu/fddb/

2. 人臉識別測試數(shù)據(jù)庫：

lfw：http://vis-www.cs.umass.edu/lfw/#views

3. LFW（人臉比對數(shù)據(jù)集）

無約束自然場景人臉識別數(shù)據(jù)集，該數(shù)據(jù)集由13000多張全世界知名人士互聯(lián)網(wǎng)自然場景不同朝向、表情和光照環(huán)境人臉圖片組成，共有5000多人，其中有1680人有2張或2張以上人臉圖片。每張人臉圖片都有其唯一的姓名ID和序號加以區(qū)分。
?

LFW數(shù)據(jù)集主要測試人臉識別的準(zhǔn)確率，該數(shù)據(jù)庫從中隨機(jī)選擇了6000對人臉組成了人臉辨識圖片對，其中3000對屬于同一個人2張人臉照片，3000對屬于不同的人每人1張人臉照片。測試過程LFW給出一對照片，詢問測試中的系統(tǒng)兩張照片是不是同一個人，系統(tǒng)給出“是”或“否”的答案。通過6000對人臉測試結(jié)果的系統(tǒng)答案與真實(shí)答案的比值可以得到人臉識別準(zhǔn)確率。?
這個集合被廣泛應(yīng)用于評價 face verification算法的性能。

13233 images5749 people1680 people with two or more images

4. 技術(shù)報(bào)告（lfw technical report）：

http://vis-www.cs.umass.edu/lfw/lfw_update.pdf

5. 測試過程概述

通過dlib進(jìn)行人臉識別網(wǎng)絡(luò)訓(xùn)練后，得到dlib_face_recognition_resnet_model_v1.dat。通常大家在LFW人臉數(shù)據(jù)集上對該模型進(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對齊seetaface將人臉crop出來，并 保存，建議以原圖像名稱加一個后綴命名人臉圖像）

（2） 通過python，matlab，或者C++，構(gòu)建訓(xùn)練時的網(wǎng)絡(luò)結(jié)構(gòu)并加載dlib_face_recognition_resnet_model_v1.dat。?
（3） 將截取的人臉?biāo)腿刖W(wǎng)絡(luò)，每個人臉都可以得到網(wǎng)絡(luò)前向運(yùn)算的最終結(jié)果，一般為一個N維向量，并保存，建議以原圖像名稱加一個后綴命名。

（4） LFW提供了6000對人臉驗(yàn)證txt文件，lfw_pairs.txt,其中第1個300人是同一個人的兩幅人臉圖像；第2個300人是兩個不同人的人臉圖像。按照該list，在（3）保存的數(shù)據(jù)中，找到對比人臉對應(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（錯誤接受率）從0~1，按照萬分之一的單位，利用排序后的向量，求FRR（錯誤拒絕率）或者TPR（ture positive ratio）。

（8） 根據(jù)7可繪制ROC曲線。

6. 閾值確定

（1） 將測試人臉對分為10組，用來確定閾值并驗(yàn)證精讀。

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

（3） 選擇錯誤個數(shù)最少的那個閾值，用剩余9組，判斷識別精度。?
（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?
自己擬定一個人臉識別相似度閾值范圍，在這個范圍內(nèi)逐個確認(rèn)在某一閾值下，針對所有人臉對統(tǒng)計(jì)同臉判斷錯誤和異臉判定錯誤的個數(shù)，從而計(jì)算得出判定精度。

LFW中的 pairs.txt

pairs.txt 官方介紹

第一行：300表示的是300個匹配圖片（相同的人），10表示的是重復(fù)十次?
Abel_Pacheco 1 4 表示這個文件夾的Abel_Pacheco_0001.jpg 和Abel_Pacheco_0004.jpg

300行以后 開始不匹配圖片?
一共重復(fù)10次構(gòu)成完整的pairs.txt，因此一共3000 mached, 3000個no_mached

得出準(zhǔn)確率的思路就是：（正確判斷出 matche的次數(shù)+正確判斷 no_mached的次數(shù)） / 6000

總結(jié)

以上是生活随笔為你收集整理的LFW的全部內(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，歡迎將生活随笔推薦給好友。