人脸识别中的阈值应该如何设置？

2024-06-09 22:05:09

人脸识别中的阈值应该如何设置？

标签：

人脸识别

分类：人脸识别

人脸识别中的阈值应该如何设置？

随着人脸识别技术使用范围越来越广，大部分使用者可能对人脸识别中的某一方面不是很懂，咨询的问题也五花八门，下面，主要讲解视壮人脸识别中的阈值应该如何设置？

首先我们来看看提供的一组数据（绝对数值有修改，可以定性来看）。

误识率	通过率	阈值
0.01	0.999	64
0.001	0.998	68
0.0001	0.996	72
1e-5	0.993	76
1e-6	0.985	80
1e-7	0.950	84
1e-8	0.300	88

通过这组数据，可以得出以下结论：

一是误识率、通过率和阈值具有相关性，但属于非线性关系

可能大部分人看到这组数据，就会认为阈值越高，通过率和误识率越低，阈值越低，通过率和误识率越高。

这就引出了一个常见的误区，客户认为通过率越高，体验越好，那么阈值就应该设置越低。但是通过率越高，误识率也就越高，意味着防风险能力就会下降，所以阈值的设置要综合考虑客户体验和防风险能力两个因素。较准确的说法应该是在指定阈值下，公司A的通过率比其他公司高，误识率也比其他公司低，，这就说明公司A的人脸识别算法比其他公司要好。

另外阈值不能设置过高，从数据可以看出，阈值不断提高后，通过率和误识率也跟着急速下降。当前人脸识别只能作为辅助认证手段，不能等同于二代Key这样的强认证工具，人脸数据量如果足够大，一定会出现误识，没有办法做到风险为0。

提供的这组数据是基于他们自己人脸识别测试底库，阈值、误识率和通过率并不是绝对的。不过从定性的角度来看，还是值得参考的。如果测试底库有大量多胞胎，或者人脸库数据规模超级大，那么所得结果一定会有所差异。

人脸识别中的阈值应该如何设置？相关推荐

人脸识别中的深度学习
深度学习在人脸识别中的应用人脸识别的过程包括: 人脸检测人脸对齐特征提取(在数学上,实质上是:空间变换) 特征度量其中,特征提取与度量,是人脸识别问题中的关键问题,也是相关研究的难点之一. 传 ...
人脸识别中的rank-n
人脸识别中的rank-n 代表的意思原创这个昵称唯一最后发布于2017-09-02 11:05:13 阅读数 2247 收藏展开 Rank-1 看一些论文总是在结果中看到rank-1,等等,但 ...
计算机视觉子方向,计算机视觉方向简介 | 人脸识别中的活体检测算法综述
原标题:计算机视觉方向简介 | 人脸识别中的活体检测算法综述本文转载自"SIGAI人工智能学习与实践平台"(ID:SIGAICN) 导言 1. 什么是活体检测? 判断捕捉到的人脸 ...
人脸识别中Softmax-based Loss的演化史
点击我爱计算机视觉标星,更快获取CVML新技术近期,人脸识别研究领域的主要进展之一集中在了 Softmax Loss 的改进之上:在本文中,旷视研究院(上海)(MEGVII Research Sha ...
人脸识别中的活体检测算法
人脸识别中的活体检测算法综述 1. 什么是活体检测? 判断捕捉到的人脸是真实人脸,还是伪造的人脸攻击(如:彩色纸张打印人脸图,电子设备屏幕中的人脸数字图像以及面具等) 2. 为什么需要活体检测? ...
yii2 模型中set_Day184:人脸识别中open-set与close-set
人脸识别可以简单的分为如下两类: face verification:人脸验证时将人脸分类到某个ID,比如给定两张人脸,判断是否是同一个人(ID) face identification:给定一张人 ...
【CVPR 2018】腾讯AI lab提出深度人脸识别中的大间隔余弦损失
论文导读] 深度卷积神经网络(DCNN)在人脸识别中已经取得了巨大的进展,通常的人脸识别的核心任务都包括人脸验证与人脸识别,涉及到特征判别.很多模型都是使用Softmax损失函数去监督模型的训练,但是 ...
CV之FRec之ME/LF：人脸识别中常用的模型评估指标/损失函数(Triplet Loss、Center Loss)简介、使用方法之详细攻略
CV之FRec之ME/LF:人脸识别中常用的模型评估指标/损失函数(Triplet Loss.Center Loss)简介.使用方法之详细攻略目录 T1.Triplet Loss 1.英文原文解释 ...
人脸识别中常用的几种分类器
人脸识别中常用的几种分类器在人脸识别中有几种常用的分类器,一是最邻近分类器:二是线性分类器 (1)最邻近分类器最近邻分类器是模式识别领域中最常用的分类方法之一,其直观简单,在通常的应用环境中非常有 ...

最新文章

热门文章