硬核科普：人脸识别系统 帮你把脸刷明白(3)

01 常用数据库

常用的人脸检测数据库包括：FDDB[6]和WIDER FACE[4]。

FDDB

FDDB是全世界最具权威的人脸检测评测数据库之一，数据集完全公开，一共有2845张图像，5171个人脸标注。包括不同姿势、不同分辨率、旋转和遮挡等人脸图片，同时包括灰度图和彩色图。图像分辨率较小，所有图像的长边缩放到450像素，也就是说所有图像都小于450*450，最小标注人脸大小20*20。绝大多数图像都只有一个人脸。

WIDER FACE

一共有32203张图像，393703个人脸标注，分训练集(train)/验证集(val)/测试集(test)，分别占40%/10%/50%。数据集包括各种尺度，姿态，遮挡，表情，化妆，光照等人脸图像，难度较大。图像分辨率普遍偏高，所有图像的宽都缩放到1024，最小标注人脸大小10*10，都是彩色图像；平均12.2个人脸/图，密集小人脸多。

WIDER FACE不公开测试集的标注结果(GT：ground truth)，需要提交结果给官方评测，结果公平公正，而且测试集大，可靠性高。根据EdgeBox方法的检测率WIDER FACE评测集被划分为三个难度等级：Easy, Medium, Hard。算法可以在各个任务维度上进行评测，比如Hard等级非常适合评测小人脸。

02 常用评价指标

二分类问题最常用的评测指标是准确率和召回率：

准确率（Precision）代表着预测为正的样本中有多少是正样本；

召回率（Recall）代表着总的正样本中有多少被成功预测出来（预测为正）。

下面举例来说明如何计算准确率和召回率。这里假设测试集中有100个正样本和100个负样本，100个正样本有90个被正确预测为正，10个被错误预测为负；100个负样本中有80个被正确预测为负，20个被错误预测为正：

TP（true positive）代表着正样本被正确预测为正的数量，于是TP=90；