Image processing 如何计算DIR@FAR1%用于面部识别？

最近，在一些论文中，人脸识别方法正在通过一种新的协议进行评估，即LFW数据集上的闭集和开集人脸识别。对于开放集1，秩-1精度报告为检测和识别率（DIR），在固定虚警/接受率（FAR）下。我有一个图库和一个探针集，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，对我来说模棱两可的是将FAR固定在一个固定的阈值上，或者如何绘制ROC、精确回忆等曲线进行人脸识别。下一段中的阈值是什么意思

因此，性能评估基于（i）秩1检测和识别率（DIR），这是在秩1正确匹配且在给定阈值下未被拒绝的真实探针的分数，以及（ii）拒绝步骤的假警报率（FAR）（即未被拒绝的视点替用特效探针图像的分数）。我们报告了描述真实秩1识别和假警报之间权衡的DIR与FAR曲线

参考文件可下载。

---

欢迎任何帮助

我猜DIR指标是由生物识别学会建立的。该指标包括检测（超过某个阈值）和识别（等级）。让画廊由一组注册用户组成，以生物特征为基础 数据库和探测集可能包含可能在场或不在场的用户 在数据库中。设g和p分别是图库集和探测集的两个元素。此外，让探测集包括两个不相交的子集：P1包括属于画廊主题的样本，P0包括不属于画廊主题的样本

假设s（p，g）是探针和画廊元素之间的相似性分数，t是阈值，k是识别等级。那么DIR由下式给出：

您可以在此参考中找到完整的公式：

---

Poh，N.等人，《生物特征性能评估指标说明》，《生物特征评估和测试第七框架计划》（2012年）：1-22。

我猜DIR指标是由生物特征学会制定的。该指标包括检测（超过某个阈值）和识别（等级）。让画廊由一组注册用户组成，以生物特征为基础 数据库和探测集可能包含可能在场或不在场的用户 在数据库中。设g和p分别是图库集和探测集的两个元素。此外，让探测集包括两个不相交的子集：P1包括属于画廊主题的样本，P0包括不属于画廊主题的样本

假设s（p，g）是探针和画廊元素之间的相似性分数，t是阈值，k是识别等级。那么DIR由下式给出：

您可以在此参考中找到完整的公式：

---

Poh，N.等人，《生物特征性能评估指标说明》，《生物特征评估和测试第七框架计划》（2012年）：1-22。

你的问题太笼统，参考文献和上下文太少。你应该添加一些链接和参考资料，并尽量更具体地说明你的问题。你的权利。我只是补充了一些细节。如果仍然是一般性的，我可以添加更多的细节。你能添加你所参考的论文/技术的链接吗？你的问题太一般，包含的参考文献和上下文太少。你应该添加一些链接和参考资料，并尽量更具体地说明你的问题。你的权利。我只是补充了一些细节。如果仍然是通用的，我可以添加更多的细节。你能添加你所指的论文/技术的链接吗？