动机

总所周知，LFW数据在人脸特征提取模型的验证上是一个基本的标杆，目前大部分的方法在上面的效果已经都超过了99%的验证准确度，但是单纯的测试模型在上面的准确度，并不能分析出模型的性能到底好多少？到底好在什么方面？（因为大部分模型的验证精度都差别很小了）。

出于以上原因，为了对比不同模型具体性能的差异，设计了如下分析方案：

1）计算LFW 6000对人脸对的验证相似度（其中3000组匹配人脸，3000组不匹配人脸）；

2）分别统计3000组匹配人脸和3000组不匹配人脸的验证相似度（-1-1之间）的分布情况；

3）分析两种分布的特点，并得出结论。

模型

这里主要对比四种人脸特征提取的方案：

1）centerloss

2）CosineFace

3）MobileFaceNet

4）Combined Margin loss

这四种模型均是利用webface、VGGFace2数据集重新训练复现得到。并且经过验证，在LFW上交叉验证的准确率依次为98.25%、98.81%、98.95%、99.43%。

扫描二维码关注公众号，回复： 4889235 查看本文章

下面的四幅图是四个模型在3000组匹配人脸和3000组不匹配人脸的验证相似度（-1-1之间）的分布情况，其中橙色的柱状图为3000对不匹配人脸的相似度统计分布，蓝色的柱状为3000度匹配人脸的相似度统计分布；

每种颜色的柱状都有10列，分别代表相似度得分在【-1-0.1】【0.1-0.2】【0.2-0.3】【0.3-0.4】【0.4-0.5】【0.5-0.6】【0.6-0.7】【0.7-0.8】【0.8-0.9】【0.9-1】的分布，每个柱子的纵坐标为在该区间上统计得到的数量。

举例说明（centerloss模型）：

3000组不匹配人脸的验证相似度（橙色）在10个区间的数量分别为【1914,548，338,148,42,8,1,1,0,0】

3000组匹配人脸的验证相似度（蓝色）在10个区间的数量分别为【2,5,8,35,106,343,760,1080,596,65】

具体四种模型在lfw测试的性能分布图下四个图。具体分析见后面。

Centerloss

1）从峰值分布分析

从以上四幅图看出，四个模型在不匹配人脸的峰值都在【-1-0.1】这个区间，但峰值的大小来看CosineFace>Combined margin>MobileFace>centerloss

在匹配人脸的峰值依次在【0.7-0.8】【0.5-0.6】【0.6-0.7】【0.7-0.8】，总体来说centerloss>combined margin>Mobileface>cosineface

2）从分布的区间分析

四个模型在不匹配人脸的分布依次在【-1-0.8】【-1-0.4】【-1-0.5】【-1-0.5】，总体combined margin=cosinefac>Mobileface>centerloss

在匹配人脸的分布都在【-1-1】之间，但是仔细对比发现，Combined margin = centerloss>Mobileface>cosineface

3）从不匹配人脸相似度分布与匹配人脸相似度分布的交叉情况分析

从交叉范围和交叉数量可以看出交叉最严重的是centerloss。

依次对比应该是combined margin>cosineface>mobileface>centerloss

从以上细节对比，可以得出结论：

Combined margin得到的模型性能最好，能够让不匹配的人相似度尽量低，匹配的人相似度尽量高；并且不匹配和匹配的区分性能也更好，容易确定其分界面。