SYSZUXface

DeepVAC-face test dataset. 一个高质量的用于1:N人脸识别的开源人脸测试集。

SYSZUXface具有如下特点：

• 1:N的人脸识别；
• ds划分为不同的子分支，方便以后的扩展；
• db划分为不同的子分支，方便灵活组合；
• 以**人为主，未来也会兼顾其它人种；
• 提供原始图片，检测和识别均需用户自定义实现，更贴近产业；

dataset目录中的图片文件使用git lfs维护，克隆该项目前，你需要首先安装git-lfs：

#on Linux
apt install git-lfs

#on macOS
brew install git-lfs

然后：

#克隆该项目
git clone https://github.com/DeepVAC/SYSZUXface

#拉取dataset图片
git lfs pull

使用说明

定义如下概念：

• TP: 预测结果大于阈值，且正确；也即已注册db的ds 匹配到了 正确的db；
• FP: 预测结果大于阈值，且错误；也即没注册db的ds 匹配到了 某个db，或者已注册db的ds匹配到了错误的db；
• TN: 预测结果小于阈值，且正确；也即没注册db的ds 没有匹配 任何db；
• FN: 预测结果小于阈值，且错误；也即已注册db的ds 没有匹配 任何db；

定义准确率、精确率、召回率如下：

• 准确率(accuracy) = (TP+TN)/(TP+FP+TN+FN)
• 精确率(precision) = TP/(TP+FP)
• 召回率(recall) = TP/(TP+FN)
• 漏检率(漏检率) = FN/(TP+FP+TN+FN)
• 错误率(错误率) = (FP+FN)/(TP+FP+TN+FN)

项目的目录说明如下：

经典的测试步骤如下：

• 合并dataset/db下的子目录，组成大而全的底库，目前具备4w+的底库图片；
• 调整自己的人脸检测和识别算法，确保每个每个底库图片都能提取出特征；
• 使用自定义人脸检测和识别算法，生成适用于自己算法的底库；
• 使用自定义人脸检测和识别算法，对ds的子目录进行检测、特征提取、底库特征匹配；
• 计算ds/soccer的准确率、精确率、召回率、漏检率、错误率；
• 计算ds/famous的准确率、精确率、召回率、漏检率、错误率；

上述数据可以通过deepvac项目lib库的syszux_report模块来简化计算，下面是个示例：

#use the FaceReport class
from syszux_report import FaceReport
#total 5 images to test in gemfield dataset
report = FaceReport('gemfield',5)
#add 5 predict records
report.add("","2").add("gemfield","gemfield").add(1,1).add(None,None).add("1","1")
#report.add(None,None)
#report.add(None,"1")
#report.add("1",None)
#report.add("1","1")
#report.add("1","2") #FP
report()

程序会输出markdown格式的报告：

|dataset|total|duration|accuracy|precision|recall|miss|error|
|--|--|--|--|--|--|--|--|
|gemfield|5|0.000|0.8|0.75|1.0|0.0|0.2|

放入项目的md文件中，在web上会显示为：

使用许可

本项目仅限用于纯粹的学术研究，如：

• 个人学习；
• 比赛排名；
• 公开发表且开源其实现的论文；

不得用于任何形式的商业牟利，包括但不限于：

• 任何形式的商业获利行为；
• 任何形式的商务机会获取；
• 任何形式的商业利益交换；

项目贡献

我们欢迎各种形式的贡献，包括但不限于：

• 提交自己的作品/产品在SYSZUXface上的成绩；
• 发现和Fix项目的bug；
• 提交高质量的测试集数据；