人脸识别模型性能的评估方法及装置制造方法及图纸

本公开涉及人脸识别技术领域，提供了一种人脸识别模型性能的评估方法及装置。该方法包括：获取第一图片测试集、第二图片测试集和第三图片测试集；基于第一图片测试集，计算人脸识别模型的人脸比对指标；基于第二图片测试集，计算人脸识别模型的闭集人脸检索指标；基于第三图片测试集，计算人脸识别模型的开集人脸检索指标；依据人脸比对指标、闭集人脸检索指标和开集人脸检索指标，对人脸识别模型的性能进行评估。采用上述技术手段，解决现有技术中，无法精准评估人脸识别模型性能的问题。无法精准评估人脸识别模型性能的问题。无法精准评估人脸识别模型性能的问题。

【技术实现步骤摘要】
人脸识别模型性能的评估方法及装置


[0001]本公开涉及人脸识别
，尤其涉及一种人脸识别模型性能的评估方法及装置。

技术介绍

[0002]人脸识别模型具有广泛的应用场景，为了从众多的人脸识别模型中挑选出最优的或者对一个人脸识别模型进行评价，需要评估人脸识别模型的性能。目前并没有提出针对人脸识别场景的评估人脸识别模型性能的方法，只能使用常用的模型的性能指标来评估人脸识别模型性能，导致对人脸识别模型性能的评估并不准确。比如常用的模型的性能指标有正确率、精确度、召回率和误检率。
[0003]在实现本公开构思的过程中，专利技术人发现相关技术中至少存在如下技术问题：无法精准评估人脸识别模型性能的问题。

技术实现思路

[0004]有鉴于此，本公开实施例提供了一种人脸识别模型性能的评估方法、装置、电子设备及计算机可读存储介质，以解决现有技术中，无法精准评估人脸识别模型性能的问题。
[0005]本公开实施例的第一方面，提供了一种人脸识别模型性能的评估方法，包括：获取第一图片测试集、第二图片测试集和第三图片测试集；基于第一图片测试集，计算人脸识别模型的人脸比对指标；基于第二图片测试集，计算人脸识别模型的闭集人脸检索指标；基于第三图片测试集，计算人脸识别模型的开集人脸检索指标；依据人脸比对指标、闭集人脸检索指标和开集人脸检索指标，对人脸识别模型的性能进行评估。
[0006]本公开实施例的第二方面，提供了一种人脸识别模型性能的评估装置，包括：获取模块，被配置为获取第一图片测试集、第二图片测试集和第三图片测试集；第一计算模块，被配置为基于第一图片测试集，计算人脸识别模型的人脸比对指标；第二计算模块，被配置为基于第二图片测试集，计算人脸识别模型的闭集人脸检索指标；第三计算模块，被配置为基于第三图片测试集，计算人脸识别模型的开集人脸检索指标；评估模块，被配置为依据人脸比对指标、闭集人脸检索指标和开集人脸检索指标，对人脸识别模型的性能进行评估。
[0007]本公开实施例的第三方面，提供了一种电子设备，包括存储器、处理器以及存储在存储器中并且可在处理器上运行的计算机程序，该处理器执行计算机程序时实现上述方法的步骤。
[0008]本公开实施例的第四方面，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。
[0009]本公开实施例与现有技术相比存在的有益效果是：因为本公开实施例通过获取第一图片测试集、第二图片测试集和第三图片测试集；基于第一图片测试集，计算人脸识别模型的人脸比对指标；基于第二图片测试集，计算人脸识别模型的闭集人脸检索指标；基于第三图片测试集，计算人脸识别模型的开集人脸检索指标；依据人脸比对指标、闭集人脸检索
指标和开集人脸检索指标，对人脸识别模型的性能进行评估，因此，采用上述技术手段，可以解决现有技术中，无法精准评估人脸识别模型性能的问题，进而提高评估人脸识别模型性能的准确性。
附图说明
[0010]为了更清楚地说明本公开实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
[0011]图1是本公开实施例的应用场景的场景示意图；
[0012]图2是本公开实施例提供的一种人脸识别模型性能的评估方法的流程示意图；
[0013]图3是本公开实施例提供的一种人脸识别模型性能的评估装置的结构示意图；
[0014]图4是本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
[0015]以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本公开实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本公开。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本公开的描述。
[0016]下面将结合附图详细说明根据本公开实施例的一种人脸识别模型性能的评估方法和装置。
[0017]图1是本公开实施例的应用场景的场景示意图。该应用场景可以包括终端设备101、102和103、服务器104以及网络105。
[0018]终端设备101、102和103可以是硬件，也可以是软件。当终端设备101、102和103为硬件时，其可以是具有显示屏且支持与服务器104通信的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等；当终端设备101、102和103为软件时，其可以安装在如上的电子设备中。终端设备101、102和103可以实现为多个软件或软件模块，也可以实现为单个软件或软件模块，本公开实施例对此不作限制。进一步地，终端设备101、102和103上可以安装有各种应用，例如数据处理应用、即时通信工具、社交平台软件、搜索类应用、购物类应用等。
[0019]服务器104可以是提供各种服务的服务器，例如，对与其建立通信连接的终端设备发送的请求进行接收的后台服务器，该后台服务器可以对终端设备发送的请求进行接收和分析等处理，并生成处理结果。服务器104可以是一台服务器，也可以是由若干台服务器组成的服务器集群，或者还可以是一个云计算服务中心，本公开实施例对此不作限制。
[0020]需要说明的是，服务器104可以是硬件，也可以是软件。当服务器104为硬件时，其可以是为终端设备101、102和103提供各种服务的各种电子设备。当服务器104为软件时，其可以是为终端设备101、102和103提供各种服务的多个软件或软件模块，也可以是为终端设备101、102和103提供各种服务的单个软件或软件模块，本公开实施例对此不作限制。
[0021]网络105可以是采用同轴电缆、双绞线和光纤连接的有线网络，也可以是无需布线
就能实现各种通信设备互联的无线网络，例如，蓝牙(Bluetooth)、近场通信(Near Field Communication，NFC)、红外(Infrared)等，本公开实施例对此不作限制。
[0022]用户可以通过终端设备101、102和103经由网络105与服务器104建立通信连接，以接收或发送信息等。需要说明的是，终端设备101、102和103、服务器104以及网络105的具体类型、数量和组合可以根据应用场景的实际需求进行调整，本公开实施例对此不作限制。
[0023]图2是本公开实施例提供的一种人脸识别模型性能的评估方法的流程示意图。图2的人脸识别模型性能的评估方法可以由图1的计算机或服务器，或者计算机或服务器上的软件执行。如图2所示，该人脸识别模型性能的评估方法包括：
[0024]S201，获取第一图片测试集、第二图片测试集和第三图片测试集；
[0025]S202，基于第一图片测试集，计算人脸识别模型的人脸比对指标；
...

【技术保护点】

【技术特征摘要】
1.一种人脸识别模型性能的评估方法，其特征在于，包括：获取第一图片测试集、第二图片测试集和第三图片测试集；基于所述第一图片测试集，计算人脸识别模型的人脸比对指标；基于所述第二图片测试集，计算所述人脸识别模型的闭集人脸检索指标；基于所述第三图片测试集，计算所述人脸识别模型的开集人脸检索指标；依据所述人脸比对指标、所述闭集人脸检索指标和所述开集人脸检索指标，对所述人脸识别模型的性能进行评估。2.根据权利要求1所述的方法，其特征在于，所述第一图片测试集、所述第二图片测试集和所述第三图片测试集均包含多个标识号以及每个标识号下属的多张图片，所述第一图片测试集中的每个标识号没有底图，所述第二图片测试集中的每个标识号均有一张底图，所述第三图片测试集中预设比例的标识号有一张底图，其它的标识号没有底图。3.根据权利要求1所述的方法，其特征在于，基于所述第一图片测试集，计算人脸识别模型的人脸比对指标，包括：在利用所述人脸识别模型识别所述第一图片测试集中任意两张图片是否属于同一个标识号的过程中，统计错误通过数、正确通过数、错误拒绝数、任意两张图片不属于同一个标识号的总数和任意两张图片属于同一个标识号的总数；根据所述错误通过数和任意两张图片不属于同一个标识号的总数，计算错误通过率；根据所述正确通过数和任意两张图片属于同一个标识号的总数，计算正确通过率；根据所述错误拒绝数和任意两张图片属于同一个标识号的总数，计算错误拒绝率；根据所述错误通过率、所述正确通过率和所述错误拒绝率，计算所述人脸比对指标。4.根据权利要求3所述的方法，其特征在于，根据所述错误通过率、所述正确通过率和所述错误拒绝率，计算所述人脸比对指标，包括：确定所述错误通过率的值为1Ek时对应的第一阈值，根据所述第一阈值和所述正确通过率计算安全性指标，其中，1Ek为科学计数法，表示将1后面的小数点向右移去k位，k为大于等于2的整数；确定所述错误拒绝率的值为1Ek时对应的第二阈值，根据所述第二阈值和所述错误通过率计算通过性指标；其中，所述人脸比对指标，包括：所述安全性指标和所述通过性指标。5.根据权利要求1所述的方法，其特征在于，基于所述第二图片测试集，计算所述人脸识别模型的闭集人脸检索指标，包括：在利用所述人脸识别模型检索所述第二图片测试集中任意一张图片对应的底图的过程中，统计任意图片与其对应底图的相似度排在所有相似度前N位以内的数量、任意图片与其对应底图的相似度排在所有相似度前N位以内且该图片与其对应底图的相似度大于第三阈值的数量、任意一张图片与任意一张底图的总对数；根据任意图片与其对应底图的相似度排在所有相似度前N位以内...

【专利技术属性】
技术研发人员：杨战波，黄泽元，蒋召，
申请(专利权)人：北京龙智数科科技服务有限公司，
类型：发明
国别省市：