人脸检测通用评价标准
评价标准
二分类的精准率和召回率
人脸检测是目标检测的一个特例，因为目标类别只有一类，剩下的都是背景，所以人脸检测评价标准中会用到些二分类问题的评价，在这里先提一下。 二分类问题最常用的就是精准率和召回率：
- 精准率代表着预测为正的样本中有多少是正确的；
- 召回率代表着总的正样本中有多少正样本被成功预测出来。
假设实际测试集中有100个正样本和100负样本，100个正样本有90个预测为正，10个预测为负；100个负样本中有80个预测为负，20个预测为正，那么TPTPTP，TNTNTN， FPFPFP ， FNFNFN分别是：
- TPTPTP代表着本次预测为True，预测为Positive，预测为正，并且预测是正确的，把正的预测为正就是正确的，于是TP=90TP=90TP=90；
- TNTNTN代表着本次预测为True，预测为Negtive，预测为负，并且预测是正确的，把负的预测为负就是正确的，于是TN=80TN=80TN=80；
- FPFPFP代表着本次预测为Flase，预测为Positive，预测为正，但是预测是错误的，把负的预测为正就是错误的，于是FP=20FP=20FP=20；
- FNFNFN代表着本次预测为Flase，预测为Negtive，预测为负，但是预测是错误的，把正的预测为负就是错误的，于是FN=10FN=10FN=10；
有了上面四个值之后，就可以计算精准率PrecisionPrecisionPrecision和召回率RecallRecallRecall了： Precision=TPTP+FP=9090+20=0.82Precision=\frac{TP}{TP+FP}=\frac{90}{90+20}=0.82Precision=TP+FPTP=90+2090=0.82 Recall=TPTP+FN=9090+10=0.9Recall=\frac{TP}{TP+FN}=\frac{90}{90+10}=0.9Recall=TP+FNTP=90+1090=0.9
剩下还有一些指标，比如准确率AccAccAcc，这个评价最符合一般认知，就是别管是正的负的，只要是对的就行： Acc=TP+TNTP+TN+FP+FN=90+8090+80+20+10=0.85Acc=\frac{TP+TN}{TP+TN+FP+FN}=\frac{90+80}{90+80+20+10}=0.85Acc=TP+TN+FP+FNTP+TN=90+80+20+1090+80=0.85 F1F1F1是精准率和召回率的综合，是综合评价标准下的一个特例： Acc=2×Precision×RecallPrecision+Recall=2×0.82×0.90.9+0.82=0.858Acc=\frac{2\times Precision \times Recall}{Precision +Recall}=\frac{2\times0.82\times0.9}{0.9+0.82}=0.858Acc=Precision+Recall2×Precision×Recall=0.9+0.822×0.82×0.9=0.858
人脸检测中的精准率和召回率
刚刚提到了人脸检测里只有人脸和背景两类，那么如果用精准率，召回率去评价人脸检测应该怎么做？ 首先检测问题是有Bbox框，要把检测问题当做分类来处理，就要定义出什么样的检测结果是正确的，一般情况下，当检测框的和Ground Truth的IOU大于0.5时，认为这张人脸被正确的检测到，有了这个前提，就可以按照二分类那样统计了。
假设实际测试集中有100张脸，检测算法一共生成了95个Bbox，95个Bbox里有90是正确的，剩下的5个是错误的检测。那么TPTPTP，TNTNTN， FPFPFP ， FNFNFN分别是：
- 所有判定为人脸的结果有90个正确，TP=90TP=90TP=90；
- 对于人脸检测任务，背景类不输出结果，TN=0TN=0TN=0；
- 所有判定为人脸的结果有5个错误，预测为人脸但实际是非人脸，FP=5FP=5FP=5；
- 所有人脸中有10个被漏检，实际是人脸，但是没有预测出来，于是FN=10FN=10FN=10；
精准率PrecisionPrecisionPrecision和召回率RecallRecallRecall可以计算： Precision=TPTP+FP=9090+5=0.9474Precision=\frac{TP}{TP+FP}=\frac{90}{90+5}=0.9474Precision=TP+FPTP=90+590=0.9474 Recall=TPTP+FN=9090+10=0.9Recall=\frac{TP}{TP+FN}=\frac{90}{90+10}=0.9Recall=TP+FNTP=90+1090=0.9
召回率在人脸检测里也被称为人脸的检测率，就是检测出来的人脸占总人脸的比例； 精准率就是检测为人脸的框中实际有多少是真正的人脸； 精准率的对立就是误检率，也就是检测为人脸的框中实际有多少是非人脸；精准率+误检率=1；
对于一个固定的数据集，我们可以把每张图都测一遍，然后统计模型的检测率，精准率，误检率，当然还可以算下准确率和F1，然后比较各个模型的性能，但是这样的话，就可能会出现模型1检测率高，精准率低，对应的误检率就高。而模型2检测率低，精准率高，对应的误检率就低。这种情况就会不好比，所以就有了另外一种评价，固定一个指标，去比较另一个。
固定误检测召回率
比如，常用的有“100张误检下的召回率”。 100张误检下的召回率统计，要求以同一个次序遍历测试集，统计每一个框的检测结果，是正确的还是错误的，当错误的数量达到100时或者遍历完数据集时，统计召回率。 比如一个模型的精准率很高，输出出来的框几乎都是正确的，这个模型遍历完测试集，都没有达到100个误检，那么它的召回率也不一定很高，因为它可能漏检多； 还有一种情况是，模型有很高的召回率，实际的人脸都能被检测出来，但是输出出来的框有很多错误，还没有遍历完数据集就已经达到100个误检了，那么它原本很高的召回率在“100张误检下召回率”这个评价标准中也体现不出来。 所以，固定误检测召回率的方式能够测出模型的综合性能。
ROC曲线
此外，还可以统计模型的ROC曲线，对于每一个检测出的人脸，检测器都会给出这个检测结果的得分（置信度），那么如果人为地引入一个阈值来对检测结果进行筛选（只保留得分大于阈值得检测结果），那么随着这个阈值的变化，最终得检测结果也会不同，因而其对应得检测率和误检数目也会不同。 通过遍历阈值，我们就能够得到多组检测率和误检数目的值，由此我们可以在平面直角坐标系中画出一条曲线来： 以x坐标表示误检数目，以y坐标表示检测率，这样画出来的曲线称之为ROC曲线。ROC曲线上每一个点都是一个统计结果，对应同一模型的不同阈值，下方对应的面积越大，模型的性能越好。ROC曲线提供了一种非常直观的比较不同人脸检测器的方式，得到了广泛的使用。
常用数据集
FDDB
FDDB总共2845张图像，共包含5171张人脸，人脸非约束环境，人脸的难度较大，有面部表情，双下巴，光照变化，穿戴，夸张发型，遮挡等难点，是目标最常用的数据库。有以下特点： 图像分辨率较小，所有图像的较长边缩放到450，也就是说所有图像都小于450450，最小标注人脸2020，包括彩色和灰度两类图像。每张图像的人脸数量偏少，平均1.8人脸/图，绝大多数图像都只有一人脸； 比如最新开源的SeetaFace2，在FDDB上，100张误检检测率达到92%。
WIDER FACE
WIDER FACE是当前人脸检测任务最主流的数据集，总共32203图像，393703标注人脸，人脸包含各种尺度，姿态，遮挡，表情，化妆，光照等。图像分辨率普遍偏高，所有图像的宽都缩放到1024，最小标注人脸10*10，都是彩色图像； 每张图像的人脸数据偏多，平均12.2人脸/图，密集小人脸非常多； 分训练集train/验证集val/测试集test，分别占40%/10%/50%，而且测试集的标注结果(ground truth)没有公开，需要提交结果给官方比较，更加公平公正，而且测试集非常大，结果可靠性极高； 根据EdgeBox的检测率情况划分为三个难度等级：Easy, Medium, Hard。 目前，wider face上排在第一位的是创新奇智(AInnovation)的AInnoFace Performance curves for the validation set
Performance curves for the test set
