人脸检测通用评价标准

喜欢ヅ旅行 2021-10-30 05:38 433阅读 0赞

# 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 T P TP TP， T N TN TN，  F P FP FP ，  F N FN FN分别是：

*   T P TP TP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 T P = 90 TP=90 TP=90；
 *   T N TN TN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 T N = 80 TN=80 TN=80；
 *   F P FP FP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 F P = 20 FP=20 FP=20；
 *   F N FN FN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 F N = 10 FN=10 FN=10；

有了上面四个值之后，就可以计算精准率 P r e c i s i o n Precision Precision和召回率 R e c a l l Recall Recall了：  
 P r e c i s i o n = T P T P + F P = 90 90 + 20 = 0.82 Precision=\\frac\{TP\}\{TP+FP\}=\\frac\{90\}\{90+20\}=0.82 Precision=TP\+FPTP=90\+2090=0.82  
 R e c a l l = T P T P + F N = 90 90 + 10 = 0.9 Recall=\\frac\{TP\}\{TP+FN\}=\\frac\{90\}\{90+10\}=0.9 Recall=TP\+FNTP=90\+1090=0.9

剩下还有一些指标，比如准确率 A c c Acc Acc，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：  
 A c c = T P + T N T P + T N + F P + F N = 90 + 80 90 + 80 + 20 + 10 = 0.85 Acc=\\frac\{TP+TN\}\{TP+TN+FP+FN\}=\\frac\{90+80\}\{90+80+20+10\}=0.85 Acc=TP\+TN\+FP\+FNTP\+TN=90\+80\+20\+1090\+80=0.85  
 F 1 F1 F1是精准率和召回率的综合，是综合评价标准下的一个特例：  
 A c c = 2 × P r e c i s i o n × R e c a l l P r e c i s i o n + R e c a l l = 2 × 0.82 × 0.9 0.9 + 0.82 = 0.858 Acc=\\frac\{2\\times Precision \\times Recall\}\{Precision +Recall\}=\\frac\{2\\times0.82\\times0.9\}\{0.9+0.82\}=0.858 Acc=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 T P TP TP， T N TN TN，  F P FP FP ，  F N FN FN分别是：

*  所有判定为人脸的结果有90个正确， T P = 90 TP=90 TP=90；
 *  对于人脸检测任务，背景类不输出结果， T N = 0 TN=0 TN=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， F P = 5 FP=5 FP=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 F N = 10 FN=10 FN=10；

精准率 P r e c i s i o n Precision Precision和召回率 R e c a l l Recall Recall可以计算：  
 P r e c i s i o n = T P T P + F P = 90 90 + 5 = 0.9474 Precision=\\frac\{TP\}\{TP+FP\}=\\frac\{90\}\{90+5\}=0.9474 Precision=TP\+FPTP=90\+590=0.9474  
 R e c a l l = T P T P + F N = 90 90 + 10 = 0.9 Recall=\\frac\{TP\}\{TP+FN\}=\\frac\{90\}\{90+10\}=0.9 Recall=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。

## 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。

## 固定误检测召回率 ##

在有了ROC曲线的前提下，就可以计算出\*\*张误检下的召回率。  
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。

# 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450*450，最小标注人脸20*20，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  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly96aGFuZ3h1LmJsb2cuY3Nkbi5uZXQ_size_16_color_FFFFFF_t_70]

Performance curves for the test set  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly96aGFuZ3h1LmJsb2cuY3Nkbi5uZXQ_size_16_color_FFFFFF_t_70 1]

[FDDB]: http://vis-www.cs.umass.edu/fddb/
[WIDER FACE]: http://mmlab.ie.cuhk.edu.hk/projects/WIDERFace
[AInnoFace]: https://arxiv.org/pdf/1905.01585.pdf
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly96aGFuZ3h1LmJsb2cuY3Nkbi5uZXQ_size_16_color_FFFFFF_t_70]: /images/20211029/99d2ccde2cac48808caf6f6276a0fdea.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly96aGFuZ3h1LmJsb2cuY3Nkbi5uZXQ_size_16_color_FFFFFF_t_70 1]: /images/20211029/e2f7bb2c29e74b33a181a98a2a2c33fa.png