faceid算法原理簡述
1 場景
刷臉支付，刷臉考勤，識別某人...
2 基本原理
對陌生人根據人臉和關鍵點，摳圖人臉。識別算法完成人臉特征的提取，然后與 注冊庫中的已知人臉比對，完成分類。
也是輸出一系列相似度，規定閾值。
兩種方式。1 人臉驗證 已知注冊人，判斷是否為這個用戶 2 人臉識別 只是給出照片判斷是哪位
3 分類
1：1模式
場景 完成身份驗證，人臉解鎖。 人臉驗證任務。
1：N 模式
人臉識別任務，圖片或視頻流獲取圖片輸入系統，在海量人臉數據庫中匹配，圖像數據身份。
速度比1：1慢，因為是全量比對。
M:N 模式
快速動態的人臉識別任務，多個人物場景中，對所有人臉基於海量數據庫進行人臉識別，應用在公共安全等場景，效率較高。
4 評測
1 人臉驗證
評測數據采集和測試集設計
如 注冊庫中有兩個 人物 a和b， 則先指明a ，測試集為 a， b， c。 再指明b，測試集為b，a，c。則人臉驗證的測試集至少為 n*（n+1)
2 人臉識別
最標准的評測說明：
指定閾值下，公司A的誤識率比其他公司低，准確率比其他公司高，說明公司A識別算法好。
5 指標
1) FN False Negative, 被判定為負樣本，但事實上是正樣本。
2) FP False Positive, 被判定為正樣本，但事實上是負樣本。
3 ) TN True Negative, 被判定為負樣本，事實上也是負樣本。
4 ) TP True Positive, 被判定為正樣本，事實上也是正樣本。
1）准確率: