问如何计算人脸识别模型的LFW准确率？

EN

我看到LFW数据集有5749个不同的人的图像，没有训练和测试的分离。

实际上，LFW提供了用于训练和测试的拆分。详情请参阅http://vis-www.cs.umass.edu/lfw/#views。

每个人都在谈论LFW上的哪个具体精度参数？我知道ROC、精确度、召回率和FAR vs FRR图等准确性参数。是否与这些参数有关？

LFW采用ROC曲线(图)、平均分类精度u和平均S_E的标准误差(表)。用假阳性率( FPR )和真阳性率( TPR )绘制ROC曲线。

程序来计算我的模型的LFW精度？

两个有用的链接：

https://en.wikipedia.org/wiki/Confusion_matrix

• There是Facenet github存储库中的一个维基页面，您可以在其中阅读源代码以了解如何绘制FPR, TPR曲线以及计算TP, FN, TP, TN和u：S_E

获得ROC曲线及u和S_E的程序

1. 我们需要来自LFW测试部分的pairs.txt，它包含10组分别为300个匹配和300个不匹配的对。所以总共有6000对，其中一半匹配，另一半不匹配。间隔设置阈值的范围从0到1，例如，间隔0.001，它在所有对上产生1,000 thresholds.
2. Calculate
3. d。对于阈值匹配，如果d <= t，则对被预测为匹配的。否则，将每个阈值对预测为mismatched.
4. For t

1. For each matched pair,

    1. If it is predicted as matched, `TP+=1`;
    2. If it is predicted as mismatched, `FN+=1`.

​

1. For each mismatched pair,

    1. If it is predicted as matched, `FP+=1`;
    2. If it is predicted as mismatched, `TN+=1`.

​

1. Compute `TPR, FPR, Acc`:

    1. `TPR = TP / (TP + FN)`;
    2. `FPR = FP / (FP + TN)`;
    3. `Acc = (TP + TN) / (TP + FN + FP + TN)`.

​

​

1. 我们得到了一个像[(TPR_t1, FPR_t1, Acc_t1), (TPR_t2, FPR_t2, Acc_t2), ...]这样的1000长的列表。通过绘制FPRs与TPRs的关系曲线，u是Accs的平均值，S_E是ROC的标准差

在scikit-learn中，LFW已经被分成了train，test和10_folds。

from sklearn.datasets import fetch_lfw_pairs
lfw_pairs_test = fetch_lfw_pairs(subset = 'test')
pairs = lfw_pairs_test.pairs
target = fetch_lfw_pairs.target

配对存储2个图像项。您可以在自定义模型中测试这些对，并将预测结果与目标值进行比较。