CN110991314A - 一种基于人脸聚类精准度的测试方法及系统 - Google Patents
一种基于人脸聚类精准度的测试方法及系统 Download PDFInfo
- Publication number
- CN110991314A CN110991314A CN201911193489.8A CN201911193489A CN110991314A CN 110991314 A CN110991314 A CN 110991314A CN 201911193489 A CN201911193489 A CN 201911193489A CN 110991314 A CN110991314 A CN 110991314A
- Authority
- CN
- China
- Prior art keywords
- clustering
- groups
- group
- accuracy
- counting
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 80
- 238000004364 calculation method Methods 0.000 claims abstract description 27
- 238000000034 method Methods 0.000 claims abstract description 19
- 238000005457 optimization Methods 0.000 abstract description 4
- 238000007689 inspection Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000036544 posture Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000013522 software testing Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Abstract
本发明公开了一种基于人脸聚类精准度的测试方法，包括：S1.从聚类样本集中随机选择不同聚类数据量下的聚类若干组，作为测试样本集；S2.依次查看各所述组中的聚类信息，统计组正确率；S3.依次查看聚类样本，统计同一人出现在多组的比率；S4.依次查看聚类样本，统计组重复率；S5.根据所述组正确率、组重复率以及同一人出现在多组的比率，进行统计计算，输出测试结果；本发明方法针对人脸聚类算法结果的综合测试，为算法工程师提供测试结果的数据指标，为人脸聚类算法优化提供数据参考；客观合理，输出的测试结果可靠性高。
Description
技术领域
本发明涉及计算机软件测试技术领域，具体而言，为一种基于人脸聚类精准度的测试方法及系统。
背景技术
作为身份识别的有效技术，近年来人脸识别技术得到迅速发展和广泛应用。在过去的几十年里，人脸识别已在商业和执法部门得到广泛应用，例如刑事鉴定、信用卡识别、安全系统、现场监控、门禁考勤等。
随着在实际中应用的推广，人脸识别存在的问题和难点也逐渐凸显出来。应用场景的变化，如光照、姿态和表情的变化，可能会导致一个人在不同环境下的差异性大于不同人在相同环境下的差异性。此外，化妆、遮挡及年龄等因素也会增加人脸识别的困难。工程师在设计识别软件时，通过各种算法以求突破姿态变化和表情变化以及角度等因素的影响，提升各种应用场景下的人脸识别精确识别率，因而，如何更好地对其算法的识别效果进行评估尤为重要。
发明内容
针对现有技术中的缺陷，本发明提供一种基于人脸聚类精准度的测试方法，用于综合评估人脸聚类算法效果。
为实现上述目的，本发明的技术方案如下：
一种基于人脸聚类精准度的测试方法，包括：
S1.从聚类样本集中随机选择不同聚类数据量下的聚类若干组，作为测试样本集；
S2.依次查看各所述组中的聚类信息，统计组正确率；
S3.依次查看聚类样本，统计同一人出现在多组的比率；
S4.依次查看聚类样本，统计组重复率；
S5.根据所述组正确率、组重复率以及同一人出现在多组的比率，进行统计计算，输出测试结果。
进一步的，上述的基于人脸聚类精准度的测试方法中，所述从聚类样本集中随机选择不同聚类数据量下的聚类若干组，作为测试样本集中，采用正态分布方式进行随机选择；包括
S11.选择参与计算的组，按照各个组内图片数降序排列，从各个数据段内选择参与计算的组ID，作成统计表，固定测试样本集；
S12.采用正态分布方式，各个数据段选择20-30组,进行聚类样本集选择；
S13.聚类样本组数满足300组。
进一步的，上述的基于人脸聚类精准度的测试方法中，所述依次查看各所述组中的聚类信息，统计组正确率，包括
依次查看各聚类信息，若聚类中出现非同一人的图像，则判定为组聚类错误，并统计出组正确数，计算组正确率。
进一步的，上述的基于人脸聚类精准度的测试方法中，所述依次查看聚类样本，统计同一人出现在多组的比率，包括
依次查看聚类样本，若出现同一人的人脸图像在多个聚类组中，则对同一人的人脸图像出现在多组中的人员数累计，并计算同一个人出现在多个组中的比率。
进一步的，上述的基于人脸聚类精准度的测试方法中，所述依次查看聚类样本，统计组重复率，包括
依次查看聚类样本，当两个聚类组中人员图片一致程度达到预设值时，对组重复数累计，计算组重复率。
本发明还提供了一种基于人脸聚类精准度的测试系统，包括处理器和存储器，存储器中存储有程序，所述程序被处理器运行时，执行：
获取聚类样本集并从中随机选择不同聚类数据量下的聚类若干组，形成测试文档；
依次查看各所述组中的聚类信息，统计组正确率；
依次查看聚类样本，统计同一人出现在多组的比率；
依次查看聚类样本，统计组重复率；
根据所述组正确率、组重复率以及同一人出现在多组的比率，进行统计计算，输出测试结果。
进一步的，上述的基于人脸聚类精准度的测试系统中，程序执行所述“获取聚类样本集并从聚类样本集中随机选择不同聚类数据量下的聚类若干组，形成测试文档”时，包括
S11.选择参与计算的组，按照各个组内图片数降序排列，从各个数据段内选择参与计算的组ID，作成统计表，固定测试样本集；
S12.采用正态分布方式，各个数据段选择20-30组,进行聚类样本集选择；
S13.聚类样本组数满足300组。
进一步的，上述的基于人脸聚类精准度的测试系统中，程序执行“依次查看各所述组中的聚类信息，统计组正确率”时，包括
通过显示界面供工作人员依次查看各聚类信息以辨识判断，当聚类中出现明显非同一人的情况，程序通过获取指令判定为组聚类错误，并统计出组正确数，计算组正确率。
进一步的，上述的基于人脸聚类精准度的测试系统中，程序执行“依次查看聚类样本，统计同一人出现在多组的比率”时，包括
通过显示界面供工作人员依次查看聚类样本，若出现同一人的人脸图像在多个聚类组中，程序通过获取指令，对同一人的人脸图像出现在多组中的人员数累计，并计算同一个人出现在多个组中的比率。
进一步的，上述的基于人脸聚类精准度的测试系统中，程序执行所述“依次查看聚类样本，统计组重复率”时，包括
通过显示界面供工作人员依次查看聚类样本，程序通过获取指令对两个聚类组中人员图片一致程度达到预设值的组进行累计，计算组重复率。
与现有技术相比，本发明的有益效果体现在：
本发明基于人脸聚类精准度的测试方法，从组重复率、组正确率、同一人出现在多组中的比率等方面，对人脸聚类算法结果综合测试，为算法工程师提供测试结果的数据指标，为人脸聚类算法优化提供数据参考；客观合理，输出的测试结果可靠性高。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。
图1为本发明一种基于人脸聚类精准度的测试方法的一个具体实施例的示意图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案，因此只作为示例，而不能以此来限制本发明的保护范围。
需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
实施例1
如图1所示，一种基于人脸聚类精准度的测试方法，包括：
S1.从聚类样本集中随机选择不同聚类数据量下的聚类若干组，作为测试样本集，形成测试文档；
S2.依次查看各所述组中的聚类信息，统计组正确率；
S3.依次查看聚类样本，统计同一人出现在多组的比率；
S4.依次查看聚类样本，统计组重复率；
S5.根据所述组正确率、组重复率以及同一人出现在多组的比率，进行统计计算，输出测试结果。
本发明方法针对人脸聚类算法的结果进行测试，通过对结果的组重复率、组正确率、同一人出现在多组中的比率进行数据分析，对人脸聚类算法效果进行综合评估，继而为算法工程师提供测试结果的数据指标，为人脸聚类算法优化提供数据参考。
具体的，步骤S1.中，从聚类样本集中随机选择不同聚类数据量下的聚类若干组，形成测试文档，包括从聚类样本集中采用正态分布方式随机选择不同聚类数据量下的若干聚类组，形成测试文档；其中依据测试的样本的数量，选取的参与测试的聚类数据样本可选择在300组至600组之间。
针对通过人脸聚类算法获得的聚类结果测试，即主要是对参与聚类分析的图片的聚类结果进行组数统计；由于人脸聚类算法的结果是针对若干个人的多个角度或姿态或光照等不同条件下的计算处理结果，因此每一聚类组中包含的图片数量不同，且每一聚类组中应当仅包含同一个人的人脸特征(即图像)；则本发明方法中，本步骤包括：
S11.选择参与计算的组，按照各个组内图片数降序排列，从各个数据段内选择参与计算的组ID(Group ID)，作成统计表，固定测试样本集；其中数据段参考实际聚类组内的数据信息，包括千级，百级，十位数级；
S12.采用正态分布方式，各个数据段选择20-30组不等,进行聚类样本集选择；
S13.聚类样本组数满足300组。
步骤S2.中，依次查看各所述组中的聚类信息，统计组正确率，包括依次查看各聚类信息(聚类组内的图像信息)，肉眼辨识判断，若聚类中出现明显非同一人的，则判定为组聚类错误，并统计出组正确数，计算组正确率：
已选的测试样本范围内，组中逐个点击查看聚类图片信息，凡是聚类中存在的人脸信息，经肉眼辨识后，存在为明显为非同一人的人像图片，则当前组判定为错误组，组正确数样本集内递减1。
计算方式：
组正确率＝所选样本正确组数/聚类样本组数；
亦即，所选择的样本组中组内聚类图片信息全部正确的组数，与所选择的全部聚类样本组数的比值，为组正确率。
S3.依次查看聚类样本，统计同一人出现在多组的比率，包括依次查看聚类样本，若出现同一人的人脸图像在多个聚类组中，则对同一人出现在多组中的人员数累计；
已选的测试样本范围内，组中逐个点击查看聚类图片，每个聚类组中下载下任意一张具有代表本组聚类属性的人脸图片及出现的少数聚类错误的人像数，按照Group ID对下载的图片进行唯一编码标识，同一个组中存在多个人像时，编码标识从01开始标记，300组聚类验查完毕后，对300+张人像进行筛选统计，统计出分布在多组中的人像数，即对人脸图像出现在多组中的人员数量进行统计计算，则有
计算方式:
同一个人出现在多个组中的比率＝存在多组中的人个数/聚类样本组数；
亦即，所选择的样本组中，存在于多组中的人个数与所选择的全部聚类样本组数的比值，为同一个人出现在多个组中的比率。
S4.依次查看聚类样本，统计组重复率，包括依次查看聚类样本，存在两个聚类组中人员图片90％一致的情况，则组重复基数累计；
已选的测试样本范围内，组中逐个点击查看聚类图片，每个聚类组中，下载下任意一张具有代表本组聚类属性的人脸图片，按照Group ID对图片进行唯一编码标识，300组聚类验查完毕后，对300张具有代表性的人像进行去重，统计出组重复数；本实施例中，当存在两个聚类组中的人脸图片经对比达到90％一致的情况，则视为两组重复，组重复数为2。
计算方式：
组重复率＝所选样本重复组数/聚类样本组数
亦即，所选择的样本组中，重复组数与所选择的全部聚类样本组数的比值，组重复率。
S5.根据所述组正确率、组重复率以及同一人出现在多组的比率，进行统计计算，输出测试结果。
对300组数据的组重复率、组正确率、同一个人出现在多个组中的比率进行统计，输出测试结果。
本发明方法针对人脸聚类算法结果的综合测试，为算法工程师提供测试结果的数据指标，为人脸聚类算法优化提供数据参考；客观合理，输出的测试结果可靠性高。
实施例2
本发明还提供了一种实施上述方法的系统，包括处理器和存储器，存储器中存储有程序，所述程序被处理器运行时，执行：
获取聚类样本集并从中随机选择不同聚类数据量下的聚类若干组，形成测试文档；
依次查看各所述组中的聚类信息，统计组正确率；
依次查看聚类样本，统计同一人出现在多组的比率；
依次查看聚类样本，统计组重复率；
根据所述组正确率、组重复率以及同一人出现在多组的比率，进行统计计算，输出测试结果。
程序执行所述“获取聚类样本集并从聚类样本集中随机选择不同聚类数据量下的聚类若干组，形成测试文档”时，包括从聚类样本集中采用正态分布方式随机选择不同聚类数据量下的聚类300组，形成测试文档；
具体的，本步骤中：
S11.选择参与计算的组，按照各个组内图片数降序排列，从各个数据段内选择参与计算的组ID(Group ID)，作成统计表，固定测试样本集；其中数据段参考实际聚类组内的数据信息，包括千级，百级，十位数级；
S12.采用正态分布方式，各个数据段选择20-30组不等,进行聚类样本集选择；
S13.聚类样本组数满足300组。
程序执行“依次查看各所述组中的聚类信息，统计组正确率”时，包括通过显示界面供工作人员依次查看各聚类信息(聚类组内的图像信息)，辨识判断，当聚类中出现明显非同一人的情况，程序通过获取指令判定为组聚类错误，并统计出组正确数，计算组正确率：
已选的测试样本范围内，组中逐个点击查看聚类图片信息，凡是聚类中存在的人脸信息，经肉眼辨识后，存在为明显为非同一人的人像图片，则当前组判定为错误组，组正确数样本集内递减1。
程序按照如下计算方式，有：
组正确率＝所选样本正确组数/聚类样本组数；
亦即，所选择的样本组中组内聚类图片信息全部正确的组数，与所选择的全部聚类样本组数的比值，为组正确率。
程序执行“依次查看聚类样本，统计同一人出现在多组的比率”时，包括通过显示界面供工作人员依次查看聚类样本，若出现同一人在多个聚类组中，则程序通过获取指令，对同一人出现在多组中的人员数累计；
已选的进行测试的聚类样本组范围内，组中逐个点击查看聚类图片，每个聚类组中下载下任意一张具有代表本组聚类属性的人脸图片及出现的少数聚类错误的人像数，按照Group ID对下载的图片进行唯一编码标识，同一个组中存在多个人像时，编码标识从01开始标记，300组聚类验查完毕后，对300+张人像进行筛选统计，统计出分布在多组中的人像数，即对人脸图像出现在多组中的人员数量进行统计计算，则
程序按照如下计算方式，有：
同一个人出现在多个组中的比率＝存在多组中的人个数/聚类样本组数；
亦即，所选择的样本组中，存在于多组中的人个数与所选择的全部聚类样本组数的比值，为同一个人出现在多个组中的比率。
程序执行“依次查看聚类样本，统计组重复率”时，包括通过显示界面供工作人员依次查看聚类样本，存在两个聚类组中人员图片90％一致的情况，则组重复基数累计；
已选的进行测试的聚类样本组范围内，组中逐个点击查看聚类图片，每个聚类组中，下载下任意一张具有代表本组聚类属性的人脸图片，按照Group ID对图片进行唯一编码标识，300组聚类验查完毕后，对300张具有代表性的人像进行去重，统计出组重复数；本实施例中，当存在两个聚类组中的人脸图片经对比达到90％一致的情况，则视为两组重复，程序通过获取指令，将重复组数标记为2。
程序计算方式如下：
组重复率＝所选样本重复组数/聚类样本组数
亦即，所选择的样本组中，重复组数与所选择的全部聚类样本组数的比值，组重复率。
程序执行“根据所述组正确率、组重复率以及同一人出现在多组的比率，进行统计计算，输出测试结果”时，对300组数据的组重复率、组正确率、同一个人出现在多个组中的比率进行统计，输出测试结果。
本发明提供的系统用于实施上述本发明基于人脸聚类精准度的软件测试方法，本系统的程序执行原理对应实施例1的描述。特别的，根据本发明公开的实施例，其参考的附图(流程图和/或逻辑框图)描述的结构或功能可以被实现为计算机软件程序。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (10)
1.一种基于人脸聚类精准度的测试方法，其特征在于：包括：
S1.从聚类样本集中随机选择不同聚类数据量下的聚类若干组，作为测试样本集；
S2.依次查看各所述组中的聚类信息，统计组正确率；
S3.依次查看聚类样本，统计同一人出现在多组的比率；
S4.依次查看聚类样本，统计组重复率；
S5.根据所述组正确率、组重复率以及同一人出现在多组的比率，进行统计计算，输出测试结果。
2.根据权利要求1所述的基于人脸聚类精准度的测试方法，其特征在于：所述从聚类样本集中随机选择不同聚类数据量下的聚类若干组，作为测试样本集，采用正态分布方式进行随机选择；包括
S11.选择参与计算的组，按照各个组内图片数降序排列，从各个数据段内选择参与计算的组ID，作成统计表，固定测试样本集；
S12.采用正态分布方式，各个数据段选择20-30组,进行聚类样本集选择；
S13.聚类样本组数满足300组。
3.根据权利要求2所述的基于人脸聚类精准度的测试方法，其特征在于：所述依次查看各所述组中的聚类信息，统计组正确率，包括
依次查看各聚类信息，若聚类中出现非同一人的图像，则判定为组聚类错误，并统计出组正确数，计算组正确率。
4.根据权利要求2所述的基于人脸聚类精准度的测试方法，其特征在于：所述依次查看聚类样本，统计同一人出现在多组的比率，包括
依次查看聚类样本，若出现同一人的人脸图像在多个聚类组中，则对同一人的人脸图像出现在多组中的人员数累计，并计算同一个人出现在多个组中的比率。
5.根据权利要求2所述的基于人脸聚类精准度的测试方法，其特征在于：所述依次查看聚类样本，统计组重复率，包括
依次查看聚类样本，当两个聚类组中人员图片一致程度达到预设值时，对组重复数累计，计算组重复率。
6.一种基于人脸聚类精准度的测试系统，包括处理器和存储器，其特征在于：存储器中存储有程序，所述程序被处理器运行时，执行：
获取聚类样本集并从中随机选择不同聚类数据量下的聚类若干组，形成测试文档；
依次查看各所述组中的聚类信息，统计组正确率；
依次查看聚类样本，统计同一人出现在多组的比率；
依次查看聚类样本，统计组重复率；
根据所述组正确率、组重复率以及同一人出现在多组的比率，进行统计计算，输出测试结果。
7.根据权利要求6所述的基于人脸聚类精准度的测试系统，其特征在于：程序执行所述“获取聚类样本集并从聚类样本集中随机选择不同聚类数据量下的聚类若干组，形成测试文档”时，包括
S11.选择参与计算的组，按照各个组内图片数降序排列，从各个数据段内选择参与计算的组ID，作成统计表，固定测试样本集；
S12.采用正态分布方式，各个数据段选择20-30组,进行聚类样本集选择；
S13.聚类样本组数满足300组。
8.根据权利要求7所述的基于人脸聚类精准度的测试系统，其特征在于：程序执行“依次查看各所述组中的聚类信息，统计组正确率”时，包括
通过显示界面供工作人员依次查看各聚类信息以辨识判断，当聚类中出现明显非同一人的情况，程序通过获取指令判定为组聚类错误，并统计出组正确数，计算组正确率。
9.根据权利要求8所述的基于人脸聚类精准度的测试系统，其特征在于：程序执行“依次查看聚类样本，统计同一人出现在多组的比率”时，包括
通过显示界面供工作人员依次查看聚类样本，若出现同一人的人脸图像在多个聚类组中，程序通过获取指令，对同一人的人脸图像出现在多组中的人员数累计，并计算同一个人出现在多个组中的比率。
10.根据权利要求9所述的基于人脸聚类精准度的测试系统，其特征在于：程序执行所述“依次查看聚类样本，统计组重复率”时，包括
通过显示界面供工作人员依次查看聚类样本，程序通过获取指令对两个聚类组中人员图片一致程度达到预设值的组进行累计，计算组重复率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911193489.8A CN110991314B (zh) | 2019-11-28 | 2019-11-28 | 一种基于人脸聚类精准度的测试方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911193489.8A CN110991314B (zh) | 2019-11-28 | 2019-11-28 | 一种基于人脸聚类精准度的测试方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110991314A true CN110991314A (zh) | 2020-04-10 |
| CN110991314B CN110991314B (zh) | 2023-11-10 |
Family
ID=70087844
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911193489.8A Active CN110991314B (zh) | 2019-11-28 | 2019-11-28 | 一种基于人脸聚类精准度的测试方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110991314B (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090310828A1 (en) * | 2007-10-12 | 2009-12-17 | The University Of Houston System | An automated method for human face modeling and relighting with application to face recognition |
| CN103902961A (zh) * | 2012-12-28 | 2014-07-02 | 汉王科技股份有限公司 | 一种人脸识别方法及装置 |
| US20150169732A1 (en) * | 2012-12-19 | 2015-06-18 | F. Michel Brown | Method for summarized viewing of large numbers of performance metrics while retaining cognizance of potentially significant deviations |
| CN105046214A (zh) * | 2015-07-06 | 2015-11-11 | 南京理工大学 | 基于聚类的在线式多人脸图像处理的方法 |
| CN107977647A (zh) * | 2017-12-20 | 2018-05-01 | 上海依图网络科技有限公司 | 一种适合公安实战的人脸识别算法评测方法 |
| CN109492523A (zh) * | 2018-09-17 | 2019-03-19 | 深圳壹账通智能科技有限公司 | 人脸识别系统性能测试方法、装置、设备和存储介质 |
| CN109740457A (zh) * | 2018-12-20 | 2019-05-10 | 杭州当虹科技股份有限公司 | 一种人脸识别算法评测方法 |
| CN109871762A (zh) * | 2019-01-16 | 2019-06-11 | 平安科技（深圳）有限公司 | 一种人脸识别模型的评价方法和装置 |
| CN110210294A (zh) * | 2019-04-23 | 2019-09-06 | 平安科技（深圳）有限公司 | 优化模型的评价方法、装置、存储介质及计算机设备 |
| US20190294990A1 (en) * | 2018-03-22 | 2019-09-26 | Marcos LOPEZ DE PRADO | Detecting false positives in statistical models |
| CN110309060A (zh) * | 2019-05-24 | 2019-10-08 | 平安科技（深圳）有限公司 | 识别算法更新的检测方法、装置、存储介质及计算机设备 |
| CN110378324A (zh) * | 2019-07-15 | 2019-10-25 | 易诚高科（大连）科技有限公司 | 一种基于质量维度的人脸识别算法评估方法 |
-
2019
- 2019-11-28 CN CN201911193489.8A patent/CN110991314B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090310828A1 (en) * | 2007-10-12 | 2009-12-17 | The University Of Houston System | An automated method for human face modeling and relighting with application to face recognition |
| US20150169732A1 (en) * | 2012-12-19 | 2015-06-18 | F. Michel Brown | Method for summarized viewing of large numbers of performance metrics while retaining cognizance of potentially significant deviations |
| CN103902961A (zh) * | 2012-12-28 | 2014-07-02 | 汉王科技股份有限公司 | 一种人脸识别方法及装置 |
| CN105046214A (zh) * | 2015-07-06 | 2015-11-11 | 南京理工大学 | 基于聚类的在线式多人脸图像处理的方法 |
| CN107977647A (zh) * | 2017-12-20 | 2018-05-01 | 上海依图网络科技有限公司 | 一种适合公安实战的人脸识别算法评测方法 |
| US20190294990A1 (en) * | 2018-03-22 | 2019-09-26 | Marcos LOPEZ DE PRADO | Detecting false positives in statistical models |
| CN109492523A (zh) * | 2018-09-17 | 2019-03-19 | 深圳壹账通智能科技有限公司 | 人脸识别系统性能测试方法、装置、设备和存储介质 |
| CN109740457A (zh) * | 2018-12-20 | 2019-05-10 | 杭州当虹科技股份有限公司 | 一种人脸识别算法评测方法 |
| CN109871762A (zh) * | 2019-01-16 | 2019-06-11 | 平安科技（深圳）有限公司 | 一种人脸识别模型的评价方法和装置 |
| CN110210294A (zh) * | 2019-04-23 | 2019-09-06 | 平安科技（深圳）有限公司 | 优化模型的评价方法、装置、存储介质及计算机设备 |
| CN110309060A (zh) * | 2019-05-24 | 2019-10-08 | 平安科技（深圳）有限公司 | 识别算法更新的检测方法、装置、存储介质及计算机设备 |
| CN110378324A (zh) * | 2019-07-15 | 2019-10-25 | 易诚高科（大连）科技有限公司 | 一种基于质量维度的人脸识别算法评估方法 |
Non-Patent Citations (1)
| Title |
|---|
| 王燕;蒋正午;: "基于半监督聚类的人脸检测方法" * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110991314B (zh) | 2023-11-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107977647B (zh) | 一种适合公安实战的人脸识别算法评测方法 | |
| CN107742100B (zh) | 一种考生身份验证方法及终端设备 | |
| Hollingsworth et al. | The best bits in an iris code | |
| CN112990870B (zh) | 基于核电设备的巡检文件生成方法、装置和计算机设备 | |
| CN109558833A (zh) | 一种人脸识别算法评测方法以及装置 | |
| CN111783663A (zh) | 一种用于人证核验设备性能检测的算法测评系统及检测方法 | |
| CN112613569A (zh) | 图像识别方法、图像分类模型的训练方法及装置 | |
| CN115080555A (zh) | 一种基于信令获取人口数据判别离群点的方法、系统和介质 | |
| LeGarde | Preliminary findings from a visual pair-matching study in a large commingled assemblage | |
| CN115798022A (zh) | 一种基于特征提取的人工智能识别方法 | |
| CN106874306A (zh) | 人口信息人像比对系统关键性能指标评测方法 | |
| CN105426926B (zh) | 一种对amoled进行检测分类的方法及装置 | |
| CN110321350A (zh) | 一种基于数据修复和主动学习验证的生存认证方法及系统 | |
| CN113900955A (zh) | 自动化测试方法、装置、设备及存储介质 | |
| CN116350203B (zh) | 一种体质测试数据处理方法及系统 | |
| CN110991314B (zh) | 一种基于人脸聚类精准度的测试方法及系统 | |
| CN115511454A (zh) | 一种生成审核规则的方法、装置及相关产品 | |
| CN112732773B (zh) | 一种继电保护缺陷数据的唯一性校核方法及系统 | |
| CN115035969A (zh) | 一种中医诊断医疗器械的临床有效性和安全性评价方法 | |
| CN113470775A (zh) | 信息采集方法、装置、设备及存储介质 | |
| CN113077872A (zh) | 基于量表测试数据的群体心理状态多指标预测系统及装置 | |
| CN113033289A (zh) | 一种基于dssd算法的安全帽佩戴检查方法、装置与系统 | |
| US7792573B2 (en) | Method for collecting and assigning patient data in a clinical trial | |
| CN116230208B (zh) | 基于深度学习的胃粘膜炎症分型辅助诊断系统 | |
| CN113436712B (zh) | 一种用于智慧医疗云服务平台的评价管理系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information |
Address after: 266400 No. 77, Lingyan Road, LINGSHANWEI sub district office, Huangdao District, Qingdao City, Shandong Province Applicant after: Issa Technology Co.,Ltd. Applicant after: QINGDAO YISA DATA TECHNOLOGY Co.,Ltd. Address before: 266400 No. 77, Lingyan Road, LINGSHANWEI sub district office, Huangdao District, Qingdao City, Shandong Province Applicant before: Qingdao Issa Technology Co.,Ltd. Applicant before: QINGDAO YISA DATA TECHNOLOGY Co.,Ltd. Address after: 266400 No. 77, Lingyan Road, LINGSHANWEI sub district office, Huangdao District, Qingdao City, Shandong Province Applicant after: Qingdao Issa Technology Co.,Ltd. Applicant after: QINGDAO YISA DATA TECHNOLOGY Co.,Ltd. Address before: 100020 room 108, 1 / F, building 17, yard 6, Jingshun East Street, Chaoyang District, Beijing Applicant before: BEIJING YISA TECHNOLOGY Co.,Ltd. Applicant before: QINGDAO YISA DATA TECHNOLOGY Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |