Machine learning 如何计算人脸识别模型的LFW精度？

在我的研究中，我观察到许多人脸识别算法在LFW数据集精度方面提出了它们的模型精度。我看到LFW数据集有5749个不同的人的图像，并且没有训练和测试的分离

我已经开发了我自己的DNN模型，用于人脸识别，类似于体系结构。有人能帮我回答以下问题吗

1每个人都在谈论LFW上的哪个具体精度参数？我知道准确度参数，如ROC、精密度、召回率和FAR与FRR图。是否与这些参数有关

及

2计算我的模型LFW精度的程序？[任何开源链接都是值得欣赏的]

我看到LFW数据集有5749个不同的人的图像，并且没有训练和测试的分离

实际上，LFW为训练和测试提供了拆分。详情请参阅

每个人都在谈论LFW上的哪个具体精度参数？我知道准确度参数，如ROC、精密度、召回率和FAR与FRR图。是否与这些参数有关

LFW采用ROC曲线图、平均分类精度u和表中平均标准误差。LFW使用的ROC曲线是用FPR假阳性率和TPR真阳性率绘制的

计算我的模型LFW精度的程序是什么

两个有用的链接：

FPR、TPR和TP、FN、TP、TN的定义：

Facenet github repo中有一个wiki页面，您可以在其中阅读源代码，了解如何绘制ROC曲线并计算u和S_E：

获得ROC曲线和u和S_E的程序：

我们需要LFW测试部分的pairs.txt，其中包含10组300个匹配对和300个不匹配对。总共6000对，其中一半匹配，另一半不匹配

设置阈值范围从0到1，例如间隙0.001，这将生成1000个阈值

计算所有对上的距离d。对于阈值t，如果d 我看到LFW数据集有5749个不同的人的图像，并且没有训练和测试的分离

实际上，LFW为训练和测试提供了拆分。详情请参阅

每个人都在谈论LFW上的哪个具体精度参数？我知道准确度参数，如ROC、精密度、召回率和FAR与FRR图。是否与这些参数有关

LFW采用ROC曲线图、平均分类精度u和表中平均标准误差。LFW使用的ROC曲线是用FPR假阳性率和TPR真阳性率绘制的

计算我的模型LFW精度的程序是什么

两个有用的链接：

FPR、TPR和TP、FN、TP、TN的定义：

Facenet github repo中有一个wiki页面，您可以在其中阅读源代码，了解如何绘制ROC曲线并计算u和S_E：

获得ROC曲线和u和S_E的程序：

我们需要LFW测试部分的pairs.txt，其中包含10组300个匹配对和300个不匹配对。总共6000对，其中一半匹配，另一半不匹配

设置阈值范围从0到1，例如间隙0.001，这将生成1000个阈值

---

计算所有对上的距离d。对于阈值t，如果dLFW已经被分割成序列，则测试并放大10倍

---

成对存储2个图像项。您可以在自定义模型中测试这些对，并将预测值与目标值进行比较。

LFW已拆分为train、test和10_折叠

---

成对存储2个图像项。您可以在自定义模型中测试这些对，并将预测值与目标值进行比较。

{AttributeError}'numpy.ndarray'对象没有属性'target'。至少从0.24.0lfw_pairs_test.target起作用。{AttributeError}'numpy.ndarray'对象没有属性'target'。至少从0.24.0lfw\u对\u测试。目标将起作用。

from sklearn.datasets import fetch_lfw_pairs
lfw_pairs_test = fetch_lfw_pairs(subset = 'test')
pairs = lfw_pairs_test.pairs
target = fetch_lfw_pairs.target