如何计算面部识别的DIR @ FAR1％？

Question

最近，在一些论文中，人脸识别方法正在通过新提议的协议进行评估，其名称为LFW数据集上的闭集和开集人脸识别。对于开放式设置，Rank-1准确度在固定误报/接受率（FAR）时报告为检测和识别率（DIR）。我有一个画廊和一个探针组，我正在使用KNN进行分类，但我不知道如何计算DIR @ FAR1％。

更新

具体来说，对我来说不明确的是将FAR固定在固定的阈值，或者如何为人脸识别绘制ROC，精确回忆等曲线。以下段落中的阈值是什么意思？

  

因此，基于（i）秩-1检测和识别率（DIR）评估性能，其是在Rank-1处正确匹配的真实探针的分数，并且在给定阈值处不被拒绝，以及（ii）拒绝步骤的误报率（FAR）（即未被拒绝的冒名顶替探测器图像的比例）。我们报告了DIR与FAR曲线，描述了真正的Rank-1识别和误报之间的权衡。

参考文件可下载here。 欢迎任何帮助。

Answer 1

我猜DIR指标是由生物识别学会建立的。该度量包括检测（超过某个阈值）和标识（等级）。让图库由生物识别中的一组注册用户组成 数据库和探针集可能包含可能存在或不存在的用户 在数据库中。让 g 和 p 分别是图库和探针集的两个元素。此外，让探针集包括两个不相交的子集： P1 ，包括属于图库主题的样本和 P0 ，包括那些不具有的样本。

假设 s（p，g）是探针和图库元素之间的相似性得分， t 是阈值， k 是识别等级。然后 DIR 由下式给出：

您可以在此参考中找到完整的公式： Poh，N.，et al。 ＆＃34;用于评估生物特征性能的度量标准的描述。＆＃34;第七个生物识别评估和测试框架计划（2012）：1-22。